Cancer Prevalence in E-Cigarette Users: A Retrospective Cross-Sectional NHANES Study
Dossier post-publication
Source : Retraction Watch, jointe par DOI. OpenAlex consigne la rétractation dans is_retracted, un booléen sur un espace d'états à au moins quatre valeurs ; il ne peut donc exprimer ni une expression de préoccupation, ni une correction, ni un rétablissement, et les rapporte comme false, ce qui se lit comme « rien à signaler ».
Notice bibliographique
Résumé
Background: It is well known that traditional smoking causes various types of cancer, leading to the current decline in traditional smoking among US adults from 20.9% in 2005 to 14.0% in 2019. Electronic cigarettes (e-cigarettes) are commonly marketed as a safe alternative and gaining popularity especially among never-smokers and adolescents. However, there is limited evidence of effects of e-cigarette on cancer. Hence, we aim to find the prevalence and association of e-cigarette and traditional smoking among cancer respondents. Methods: We conducted a retrospective cross-sectional study using the NHANES database from 2015 to 2018. We assessed history of cancer (MCQ220), type of cancers (MCQ230a), and smoking status (e-cigarette: SMQ900 or SMQ905 and traditional smoking: SMQ020) using questionnaires. We performed multivariable logistic regression models to find the association of e-cigarette use, traditional smoking, and no smoking with cancer after adjusting for confounding variables. Results: A total of 154,856 participants were included, of whom 5% were e-cigarette users, 31.4% were traditional smokers, and 63.6% were nonsmokers. There is a higher prevalence of e-cigarette use among younger participants, females (49 vs. 38) in comparison to traditional smokers (P < 0.0001). The e-cigarette users have lower prevalence of cancer compared to traditional smoking (2.3% vs. 16.8%; P < 0.0001), but they were diagnosed with cancer at a younger age. Among cancer subtypes, cervical cancer (22 vs. 2.6), leukemia (8.5 vs. 1.1), skin cancer (non-melanoma) (15.6 vs. 12.3), skin (other) (28 vs. 10) and thyroid (10.6 vs. 2.4) had higher prevalence of e-cigarette use compared to traditional smokers (P < 0.0001). Our regression analysis showed that e-cigarette users have 2.2 times higher risk of having cancer compared to non-smokers (odds ratio (OR): 2.2; 95% confidence interval (CI): 2.2 - 2.3; P < 0.0001). Similarly, traditional smokers have 1.96 higher odds of having cancer compared to nonsmokers (OR: 1.96; 95% CI: 1.96 - 1.97; P < 0.0001). Conclusion: In our study, e-cigarette users had an early age of cancer onset and higher risk of cancer. Hence, this is stepping stone for future research to evaluate the safety and effects of e-cigarettes in patients with cancer.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».