E-Cigarette Brand Trends in the United States: An Investigation of Data From a Youth and Young Adult Sample and the E-Cigarette Retail Market (2022)
Notice bibliographique
Résumé
Background: Electronic cigarettes (e-cigarettes) remain the most used tobacco product among young people in the United States (US). Given the need for current data on popular e-cigarette products, the current study leverages data from a rapid surveillance survey of young people and examines whether the top e-cigarette brands identified from this source align with US market data. Methodology: Data were obtained from current e-cigarette users (N = 4145) participating in the Truth Continuous Tracker Online (CTO; a cross-sectional tracking survey of 15-24 year-olds sourced from the national Dynata panel) and NielsenIQ retail scanner data, collected in 2022 and aggregated by quarter (Q1, Q2, and Q3). The top 15 e-cigarette brands were determined from respondents' endorsement in the Truth CTO and ranked total sales in NielsenIQ in nominal dollars. Results: Overall, 58% of e-cigarette brands overlapped across the Truth CTO and NielsenIQ data (60% for Q1, 47% for Q2 and 67% for Q3). Pod-based (JUUL; VUSE) and disposable (Hyde; Breeze Smoke) brands appeared as top brands in both datasets. Top brands were fairly consistent within and across quarters; though, more variability was found in the Truth CTO, relative to NielsenIQ. Many top brands were disposable. Conclusions: Results suggest that data from rapid surveillance and retail data can be used complementarily to characterize the popular e-cigarette brands currently on the US market. Many of these popular e-cigarette brands have yet to receive marketing granted orders under the US Food and Drug Administration, suggesting the need to continue monitoring e-cigarette brands among young people.
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 | 0,001 |
| 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 ».