E-Cigarette Markets and Policy Responses in Southeast Asia: A Scoping Review
Notice bibliographique
Résumé
BACKGROUND: The global e-cigarette market has proliferated and is increasingly dominated by transnational tobacco companies. While Southeast Asian countries have received relatively little attention in e-cigarette research, the region represents an area of potentially untapped growth for the industry. We review the e-cigarette situation in Southeast Asia in terms of the e-cigarette markets, advertising and promotion of e-cigarettes, reported health impacts of e-cigarette use, and policy responses in the region. METHODS: We examined e-cigarette market data from the Euromonitor Global Market Information Database (GMID) Passport database, searched in the academic literature, grey literature and news archives for any reports or studies of e-cigarette related diseases or injuries, e-cigarette marketing, and e-cigarette policy responses in Southeast Asian countries, and browsed the websites of online e-cigarette retailers catering to the region's active e-cigarette markets. RESULTS: In 2019, e-cigarettes were sold in six Southeast Asian markets with a total market value of $595 million, projected to grow to $766 million by 2023. E-commerce is a significant and growing sales channel in the region, with most of the popular or featured brands in online shops originating from China. Southeast Asian youth are targeted with a wide variety of flavours, trendy designs and point of sale promotions, and several e-cigarette related injuries and diseases have been reported in the region. Policy responses vary considerably between countries, ranging from strict bans to no or partial regulations. CONCLUSION: Although Southeast Asia's e-cigarette market is relatively nascent, this is likely to change if transnationals invest more heavily in the region. Populous countries with weak e-cigarette regulations, notably Indonesia, Malaysia, Vietnam and the Philippines, are desirable targets for the transnationals. Regulatory action is needed to prevent e-cigarette use from becoming entrenched into these societies, especially among young people.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».