The perceived health effects of e-cigarette use among adult smokers
Notice bibliographique
Résumé
Background: Vaping and e-cigarettes have been an epidemic among youths in recent years. In addition, as of April 2020, there has been hundreds of vaping related illnesses causing fatalities. As such there has been increased coverage by media and the government in regard to reporting vaping-related dangers and implementing regulatory changes such as bans. These actions could deter the target population from engaging in vaping – tobacco users. Research has shown that e-cigarettes are significantly less toxic relative to tobacco and that it could be more effective as a cessation treatment relative to nicotine gums or patches. This study surveyed current perceptions of Canadians with regards to vaping in order to determine if certain groups (i.e. varying ages, smoking status) hold different opinions in terms of harm, health benefits, and support for stricter e-cigarette regulations. Methods: Self-administered online surveys created on Survey Monkey were distributed to Canadians via online platforms Reddit and Facebook. The survey assessed opinions and perceptions of Canadians through multiple choice questions and were collected over a three week period. Results: This study received 157 respondents the majority of which were under 35 (73.08%) and from British Columbia (65.38%). Thirteen chi-square tests were performed comparing group variables (age, smoking status, and awareness of vaping related news) to perception variables (perceived harm, health benefits, safety). There was no association found between age and the tested perception variables. Several associations were found where e-cigarette users viewed e-cigarettes more favourably relative to tobacco users and non-users based on chi-square results. Chi-square associations between media awareness and harm perceptions could not be established due to a small sample size (n< 30). Conclusion: The results indicated that there are associations with e-cigarette perceptions and a person’s smoking status. This may be an indication that there is possible misinformation between groups when it comes to evaluating objective health effects of e-cigarettes. Non-users and a percentage of tobacco users seem to overstate
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».