The potential impact of removing a ban on electronic nicotine delivery systems using the Mexico smoking and vaping model (SAVM)
Notice bibliographique
Résumé
Abstract Objective To develop the Mexico Smoking and Vaping Model (Mexico SAVM) to estimate cigarette and electronic nicotine delivery systems (ENDS) prevalence and the public health impact of legalizing ENDS use. Methods SAVM, a cohort-based discrete-time simulation model, compares two scenarios. The ENDS-Restricted Scenario estimates smoking prevalence and associated mortality outcomes under the current policy of an ENDS ban, using Mexico-specific population projections, death rates, life expectancy, and smoking and e-cigarette prevalence. The ENDS-Unrestricted Scenario projects smoking and vaping prevalence under a hypothetical scenario where ENDS use is allowed. The impact of legalizing ENDS use is estimated as the difference in smoking- and vaping-attributable deaths (SVADs) and life-years lost (LYLs) between the ENDS-Restricted and Unrestricted scenarios. Results Compared to a national ENDS ban, The Mexico SAVM projects that legalizing ENDS use could decrease smoking prevalence by 40.1% in males and 30.9% in females by 2049 compared to continuing the national ENDS ban. This reduction in prevalence would save 2.9 (2.5 males and 0.4 females) million life-years and avert almost 106 (91.0 males and 15.5 females) thousand deaths between 2025 and 2049. Public health gains decline by 43% to 59,748 SVADs averted when the switching rate is reduced by half and by 24.3% (92,806 SVADs averted) with a 25% ENDS risk level from that of cigarettes but increased by 24.3% (121,375 SVADs averted) with the 5% ENDS risk. Conclusions Mexico SAVM suggests that greater access to ENDS and a more permissive ENDS regulation, simultaneous with strong cigarette policies, would reduce smoking prevalence and decrease smoking-related mortality. The unanticipated effects of an ENDS ban merit closer scrutiny, with further consideration of how specific ENDS restrictions may maximize public health benefits.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».