Tobacco-Free Oral Nicotine Product Use Among Youth in the U.S., 2019–2021
Notice bibliographique
Résumé
Introduction: Novel tobacco-free oral nicotine products are not combusted, easy to conceal, available in flavors, and do not contain tobacco leaf. Since 2016, oral nicotine product sales have increased and may be gaining popularity among youth. This study aims to examine the trends in the prevalence and correlates of oral nicotine product use among U.S. youth. Methods: Data from participants aged 16-19 years in the U.S. International Tobacco Control Policy Evaluation Project Youth Tobacco and Vaping Survey were analyzed cross-sectionally from August 2019, February 2020, August 2020, February 2021, and August 2021. Weighted descriptive statistics and logistic regressions were used to describe the use and correlates of oral nicotine products. Results: Oral nicotine product use significantly increased from 3.5% in August 2019 to 4.1% in August 2021. Oral nicotine product use was most prevalent among those aged 18 years, male, and non-Hispanic White. Those who used cigarettes (AOR=2.18, 95% CI=19.37, 40.88), nicotine vaping products (AOR=4.27, 95% CI=3.02, 6.04), and smokeless tobacco (AOR=28.14, 95% CI=19.37, 40.88) in the past 30 days were more likely to report recent use of oral nicotine products. Conclusions: Although oral nicotine products are less popular among U.S. youth than cigarettes, nicotine vaping products, and smokeless tobacco, their prevalence of use significantly increased. Oral nicotine product users are more likely to use other nicotine products, but the availability of flavors and easy-to-conceal design may be appealing to those who may not use nicotine products. Researchers should continue to observe the behaviors associated with oral nicotine product use to inform the need for future regulatory efforts.
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 | 0,000 | 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) | 0,001 | 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 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 ».