JUUL from the USA to Indonesia: implications for expansion to LMICs
Notice bibliographique
Résumé
Indonesia has one of the largest tobacco markets in the world, well known for their clove cigarettes, kreteks . However, electronic cigarettes (e-cigarettes) are growing in popularity among Indonesians. While conventional cigarettes are sold in stores and kiosks,1 e-cigarettes are sold online (35.3%) and through vape shops (64.7%).2 The 2011 Indonesian Global Adult Tobacco Survey, the latest available national data, reported awareness of e-cigarettes was 10.9% and current use was 2.5%.3 Recent social media and sales data imply that e-cigarette use has grown since then. Indonesia has the second largest share of Instagram posts about vaping of any country,4 and e-cigarette sales reached 2.1 trillion rupiah (US$144.5 million) in 2018. Total sales are forecasted to reach 6.1 trillion rupiah (IDR) (US$419.6 million) by 2022.2 JUUL is the leading e-cigarette brand in the United States of America (USA), with 72% of the vapour product market share as of August 2018.5 According to their website, JUUL sells their products in the USA, Canada, Israel, UK, Italy, Germany, Switzerland, France and Russia.6 However, these products are also reported to be sold in low-income and middle-income countries (LMICs) like Indonesia, where interest in vaping and JUUL (as measured by Google Trends) has increased from …
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».