Understanding perceived addiction to and addictiveness of electronic cigarettes among electronic cigarette users: a cross‐sectional analysis of the International Tobacco Control Smoking and Vaping (ITC 4CV) England Survey
Notice bibliographique
Résumé
BACKGROUND AND AIMS: The addictive potential of electronic cigarettes (e-cigarettes) remains to be fully understood. We identified patterns and correlates of perceived addiction to e-cigarettes and perceived addictiveness of e-cigarettes relative to tobacco cigarettes (relative addictiveness) in dual users as well as exclusive e-cigarette users. DESIGN, SETTING AND PARTICIPANTS: Observational study using cross-sectional survey data from England (2016) from the International Tobacco Control Project (ITC) Four Country Smoking and Vaping (4CV) survey. The study comprised 832 current e-cigarette users who had been vaping for at least 4 months. MEASUREMENTS: Perceived addiction to e-cigarettes and relative addictiveness of e-cigarettes were examined. Socio-demographic factors were age, gender and education; markers of addiction included urge to vape, time to first vape after waking and nicotine strength used; vaping and smoking characteristics included frequency and duration of e-cigarette use, intention to quit, adjustable power or temperature, enjoyment, satisfaction relative to tobacco cigarettes and tobacco cigarette smoking status. FINDINGS: A total of 17% of participants reported feeling very addicted to e-cigarettes, while 40% considered e-cigarettes equally/more addictive than tobacco cigarettes. Those who felt very addicted had higher odds of regarding e-cigarettes as more addictive than tobacco cigarettes (odds ratio 3.4, 95% confidence interval 2.3-5.1). All markers of addiction, daily use and enjoyment were associated with higher perceived addiction, whereas time to first vape after waking, daily vaping and perceiving vaping as less satisfying than smoking were associated with relative addictiveness. CONCLUSIONS: Markers of addiction to e-cigarettes appear to correspond with perceived addiction to e-cigarettes, suggesting that self-reported perceived addiction might serve as an indicator of addiction. Prevalence both of markers of addiction and perceived addiction were comparatively low overall, suggesting a limited but relevant addictive potential of e-cigarettes. Additionally, positive and negative reinforcement, reflected here by enjoyment and relative satisfaction, might play a role in e-cigarette addiction.
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 | 0,001 | 0,001 |
| 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 ».