Abstract WP185: Relationship Between E-cigarette Smoking And Stroke - A NHANES Study
Notice bibliographique
Résumé
Introduction: Tobacco use is a known risk factor for stroke and other cardiovascular diseases. However, the relationship between e-cigarette smoking and stroke is largely unknown. Hypothesis: This study aims to assess the effect of e-cigarettes among people who have had a history of stroke. Methods: A cross-sectional survey was performed using the NHANES database from 2015 to 2018 in the US population. We identified participants 18 or older with a history of stroke and their smoking habits (e-cigarette, traditional, and dual smoking). The chi-square test, unpaired t-test, and multivariable logistic regression models were used to examine the association of e-cigarette consumption among the stroke population. Results: Out of a total of 266,058 respondents, 79,825 were smokers [E-cigarette: 7,756 (9.72%); Traditional: 48,625(60.91%), Dual smokers: 23,444 (29.37%)] Overall prevalence of stroke was 5.41% (n=4194) amongst various types of smokers. Amongst females with stroke, the prevalence of e-cigarette use was higher compared to traditional smoking. (36.36% vs 33.91%; p<0.001) Mexican Americans (21.21% vs. 6.02%) and other Hispanics (24.24% vs. 7.70%) had a higher prevalence of e-cigarette use than traditional smoking. (p<0.001) E-cigarette smokers were having an early onset of stroke in comparison with dual and traditional smokers. (Median age in years: 48 vs. 50 vs. 59, respectively; p<0.001). Stroke was more prevalent amongst traditional smokers compared to e-cigarette and dual smokers (6.75% vs. 1.09% vs. 3.72% p<0.001). In multivariable logistic regression analysis, the odds of having a history of stroke were higher amongst e-cigarettes in comparison with traditional smokers. (aOR:1.15; 95%CI: 1.15-1.16; p<0.001). Conclusion: Although stroke was more prevalent in traditional smokers, e-cigarette smokers had early-onset and higher odds of stroke compared to traditional smokers. More prospective studies are needed to evaluate the long-term effects and safety of e-cigarettes to mitigate the risk of cardio and cerebrovascular disorders.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».