Lung transcriptome of e-cigarette users reveals changes related to chronic lung disease
Notice bibliographique
Résumé
Approximately 1-in-10 adolescents use e-cigarette devices, with 25% reporting daily use [1]. Most youth who vape have never used traditional cigarettes, creating an emerging epidemic of nicotine addiction fueled by use of e-cigarettes [2]. Public perception is that e-cigarettes are less harmful than traditional cigarettes, a belief that may be fueled, in part, by a handful of tobacco industry-funded studies reporting null results in cells or animals, replicating past misinformation campaigns about traditional cigarettes [3]. Footnotes This manuscript has recently been accepted for publication in the European Respiratory Journal . It is published here in its accepted form prior to copyediting and typesetting by our production team. After these production processes are complete and the authors have approved the resulting proofs, the article will move to the latest issue of the ERJ online. Please open or download the PDF to view this article. Conflict of interest: Pierre-Régis Burgel reports support for the present manuscript from Association Vaincre la Mucoviscidose, Société Française de la Mucoviscidose, Filière Maladie Rare Muco CFTR. In addition, Pierre-Régis Burgel reports grants from Vertex Pharmaceuticals, GSK; consulting fees from Astra Zeneca, Chiesi, GSK, Insmed, Vertex, Viatris, Zambon; travel support Astra Zeneca, Chiesi; outside the submitted work. Conflict of interest: No conflicts to report. Research funded by a grant from the Canadian Institute for Health Research (CIHR HEV-172883).
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 | 0,001 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».