An Unrecognized Hazard in E-Cigarette Vapor: Preliminary Quantification of Methylglyoxal Formation from Propylene Glycol in E-Cigarettes
Notice bibliographique
Résumé
Up to 95% of the liquid volume in an e-cigarette consists of propylene glycol. Previous research has shown that propylene glycol can generate diacetyl and formaldehyde when heated. New research shows that propylene glycol can also generate methylglyoxal, an alpha di-carbonyl compound recently shown to cause epithelial necrosis at even lower concentrations than diacetyl, the flavoring chemical associated with bronchiolitis obliterans (“Popcorn Lung”). We analyzed chemical emissions from 13 JUUL pod flavors. Diacetyl and methylglyoxal was detected in 100% of samples with median concentration (range) of 20 µg/m3 (less than limit of quantification: 54 µg/m3) and 4219 µg/m3 (677–15,342 µg/m3), respectively. We also detected acetaldehyde (median concentration: 341 µg/m3) and propionaldehyde (median concentration: 87 µg/m3) in all samples. The recent evidence that methylglyoxal is more cytotoxic to airway epithelial cells than diacetyl makes this an urgent public health concern. Current smokers considering e-cigarettes as a smoking cessation tool, and never users, who may be under the impression that e-cigarettes are harmless, need information on emissions and potential risks to make informed decisions.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».