Factors associated with changes in flavored tobacco products used: Findings from wave 2 and wave 3 (2014–2016) of the population assessment of tobacco and health (PATH) study
Notice bibliographique
Résumé
INTRODUCTION: Flavored non-cigarette tobacco product use is widespread in the U.S. The availability of flavor options could be playing a role in recent increases in use, especially for non-cigarette tobacco products, among youth and young adults. Little is known about specific flavor preferences of youth and adult flavored tobacco product users, as well as how preferences may change over time. METHODS: This study analyzes PATH Study data from completed Wave 2 (2014-2015) and Wave 3 (2015-2016) youth (12-17 years), and adult (18 + years) interviews to estimate the prevalence of flavored non-cigarette tobacco product use. We assess flavor switching by examining changes between flavors and characteristics of those who changed flavors between waves. RESULTS: Across age groups, and at both waves, fruit-flavored products were the most frequently used flavor by past 30-day electronic nicotine delivery systems (ENDS), cigar, cigarillo, and hookah users. In the past 30 days, a higher proportion of youth and young adults used candy/sweets-flavored ENDS than adults. Among adult ENDS users, the odds of changing flavors were highest among younger users and decreased with increasing age. CONCLUSIONS: Flavored tobacco product use is prevalent across non-cigarette tobacco products. Stability in the number of flavors used, as well as specific flavors, is higher among adult tobacco users, while the use of multiple flavors, and change in specific flavor, is more prevalent among youth tobacco users. Additional longitudinal research can further examine the role flavors play in appeal, product trial, and switching.
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 | 0,000 | 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 | 0,000 | 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 ».