Use of flavored cannabis vaping products in the US, Canada, Australia, and New Zealand: findings from the international cannabis policy study wave 4 (2021)
Notice bibliographique
Résumé
Background: Vaping is an increasingly popular mode of cannabis use. Few studies have characterized the role of flavors in cannabis e-liquids.Objectives: To explore the prevalence of flavored vaping liquids, including differences between countries and correlates of use.Methods: Data were from Wave 4 (2021) of the International Cannabis Policy Study with national samples aged 16–65 in Canada, the United States (US), Australia, and New Zealand. The sample comprised 52,938 respondents, including 6,265 who vaped cannabis e-liquids in the past 12-months (2,858 females, 3,407 males). Logistic regression models examined differences in the use of flavored e-liquids between countries and sociodemographic characteristics.Results: The prevalence of vaping cannabis e-liquids was highest in the US (15.3%) and Canada (10.7%) compared to Australia (4.0%) and New Zealand (3.7%). Among past 12-month cannabis consumers, 57.5% reported using flavored vaping liquids, 34.2% used unflavored vaping products and 8.3% did not know. People who vape in Australia were most likely to report using flavored liquids compared to New Zealand (OR = 2.29), Canada (OR = 3.14), and the US (OR = 3.14) (p < .05 for all). Fruit was the most reported vaping flavor (40.8%), followed by candy/dessert (20.4%) and vanilla (15.2%). Use of flavored vapes was greater among younger, ethnic minorities, female, higher education and income adequacy, and more frequent consumers (p < .05).Conclusion: Many cannabis consumers reported using flavored e-liquids, with highest levels among young people aged 16–35. Given the high prevalence of vaping in legal markets, regulators should consider the role of flavored vaping products in promoting cannabis use among this group.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».