Acetal Formation of Flavoring Agents with Propylene Glycol in E-Cigarettes: Impacts on Indoor Partitioning and Thirdhand Exposure
Notice bibliographique
Résumé
The widespread use of flavored e-cigarettes has led to a significant rise in teenage nicotine use. In e-liquids, the flavor carbonyls can form acetals with unknown chemical and toxicological properties. These acetals can cause adverse health effects on both smokers and nonsmokers through thirdhand exposure. This study aims to explore the impacts of these acetals formed in e-cigarettes on indoor partitioning and thirdhand exposure. Specifically, the acetalization reactions of commonly used flavor carbonyls in laboratory-made e-liquids were monitored using proton nuclear magnetic resonance ( 1 H NMR) spectroscopy. EAS-E Suite and polyparameter linear free energy relationships (PP-LFERs) were employed to estimate the partitioning coefficients for species. Further, a chemical two-dimensional partitioning model was applied to visualize the indoor equilibrium partitioning and estimate the distribution of flavor carbonyls and their acetals in the gas phase, aerosol phase, and surface reservoirs. Our results demonstrate that a substantial fraction of carbonyls were converted into acetals in e-liquids and their chemical partitioning was significantly influenced. This study shows that acetalization is a determinant factor in the exposure and toxicology of harmful carbonyl flavorings, with its impact extending to both direct exposure to smokers and involuntary exposure to nonsmokers.
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 | 0,000 | 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 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 ».