Heavy metals in ENDS: a comparison of open versus closed systems purchased from the USA, England, Canada and Australia
Notice bibliographique
Résumé
INTRODUCTION: Electronic nicotine delivery systems (ENDS) are known to contain heavy metals such as lead (Pb), nickel (Ni) and chromium (Cr). The presence of heavy metals in ENDS may be due to contamination of e-liquids or leaching from elements of the ENDS device. This study investigates differences in ENDS metal concentrations between product type, year of purchase, country of purchase and e-liquid flavour. METHODS: Various open-system (refill e-liquids; n=116) and closed-system (prefilled with e-liquid; n=120) products were purchased in 2017 and 2018 from the USA, England, Canada and Australia. Electrothermal atomic absorption spectroscopy was used to analyse each product for Pb, Ni and Cr. Multiple linear regression and Kruskal-Wallis non-parametric statistical tests were conducted using GraphPad. RESULTS: Linear regression showed system type, year of purchase (not supported by Kruskal-Wallis), country of purchase and flavour type each had significant impacts on heavy metal concentrations. Open-system e-liquid samples showed no quantifiable levels of heavy metals. Closed-system samples contained concerningly high concentrations of Pb, Ni and Cr. Closed-system samples from the USA commonly displayed higher average heavy metal concentrations than those from England. Some fruit and mint-flavoured closed-system products showed higher heavy metal concentrations than tobacco-flavoured products. CONCLUSION: The presence of heavy metals only in closed-system products suggests that metals may be leaching from ENDS device parts. Highly variable heavy metal concentrations between ENDS products demonstrate that various product characteristics may affect the degree of leaching and that there is a need for further regulation of these products.
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) | 0,000 | 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 ».