Harms of Electronic Cigarettes: What the Healthcare Provider Needs to Know
Notice bibliographique
Résumé
Electronic cigarettes (e-cigarettes) reached the market without either extensive preclinical toxicology testing or long-term safety trials that would be required of conventional therapeutics or medical devices. E-cigarettes are considered a tobacco product and as such have no manufacturing quality or safety standards. A growing body of evidence documents severe harms from e-cigarette use, including injuries from product explosions, nicotine poisoning, and severe lung diseases. Commonly used e-cigarette components have significant inhalation toxicity. Emerging evidence from laboratory studies suggests substantial reason for concern for long-term harms, including risk for cardiovascular disease, chronic obstructive lung disease, and cancer. Rather than helping people stop smoking, e-cigarette use is associated with reduced rates of smoking cessation among current smokers and an increased risk of relapse to smoking among former smokers. The World Health Organization advises, "Unlike the tried and tested nicotine and non-nicotine pharmacotherapies that are known to help people quit tobacco use, WHO does not endorse e-cigarettes as cessation aids." Careful evaluation of all the available research justifies a strong recommendation that healthcare providers should neither prescribe nor recommend e-cigarettes for persons who are tobacco dependent. If a patient is dependent on e-cigarettes, the healthcare provider should provide counseling and treatment (of nicotine dependence) to help the patient to stop their e-cigarette use.
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 | 0,008 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,008 | 0,019 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,018 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,007 |
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 ».