Characterisation of vaping liquids used in vaping devices across four countries: results from an analysis of selected vaping liquids reported by users in the 2016 ITC Four Country Smoking and Vaping Survey
Notice bibliographique
Résumé
OBJECTIVES: This study presents an analysis of vaping products (VPs) purchased in the USA, Canada, England and Australia and assesses whether differences in regulations were associated with differences in the chemical composition of the VPs. METHODS: April-September 2017, a total of 234 VP refill liquids and prefilled cartridges were purchased in convenience samples of retail locations in each country. Products were chosen from brands and styles most commonly reported by current VP users in the 2016 ITC Four Country Smoking and Vaping Survey. All products were tested for nicotine, tobacco-specific nitrosamines (TSNAs), minor tobacco alkaloids, organic acids and flavouring chemicals. RESULTS: Consistent with the laws in Canada and Australia at the time of product purchase, nicotine was not detected in any of the VPs (n=10 in Canada; n=15 in Australia). US liquids (n=54) had a mean nicotine concentration of 16.2 mg/mL, (range=0.0-58.6) and English liquids (n=166) had a mean concentration of 11.9 mg/mL ((range=0.0-31.2) F(3244)=12.32, p<0.001). About 5% of English samples exceeded the UK's 20 mg/mL nicotine limit. Substantial country differences were observed in levels ofTSNAs, with the USA being higher than elsewhere. Of all products tested, 18.8% contained at least one organic acid. Liquids purchased in England contained far more identifiable flavouring chemicals than those in the other countries. CONCLUSIONS: VP composition, particularly with respect to nicotine and flavouring, varies by country, likely reflecting both marketplace preferences and country-specific regulations. There are differences between nicotine levels claimed on the package and actual levels, particularly in England.
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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».