Patterns of Use of Vaping Products among Smokers: Findings from the 2016–2018 International Tobacco Control (ITC) New Zealand Surveys
Notice bibliographique
Résumé
Alternative nicotine products like e-cigarettes could help achieve an end to the epidemic of ill health and death caused by smoking. However, in-depth information about their use is often limited. Our study investigated patterns of use of e-cigarettes and attitudes and beliefs among smokers and ex-smokers in New Zealand (NZ), a country with an 'endgame' goal for smoked tobacco. Data came from smokers and ex-smokers in Waves 1 and 2 of the International Tobacco Control (ITC) NZ Survey (Wave 1 August 2016-April 2017, 1155 participants; Wave 2, June-December 2018, 1020 participants). Trial, current and daily use of e-cigarettes was common: daily use was 7.9% among smokers and 22.6% among ex-smokers in Wave 2, and increased between surveys. Use was commonest among 18-24 years and ex-smokers, but was similar among Māori and non-Māori participants, and by socio-economic status. Most participants used e-cigarettes to help them quit or reduce their smoking. The most common motivating factor for use was cost and the most common barrier to use cited was that e-cigarettes were less satisfying than smoking. The findings could inform developing interventions in order to maximise the contribution of e-cigarettes to achieving an equitable smoke-free Aotearoa, and to minimise any potential adverse impacts.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».