Reasons for using e-cigarettes among adults who smoke: comparing the findings from the 2016 and 2020 ITC Korea Surveys
Notice bibliographique
Résumé
INTRODUCTION: Dual use of e-cigarettes and cigarettes is a growing usage pattern in adults, but little is known about the motivations underlying this trend. We investigated the reasons for e-cigarette use among adults who smoke, considering variation in sociodemographic subgroups. METHODS: This repeated cross-sectional study analysed adults who smoked at least weekly and vaped at any frequency. Data were from the International Tobacco Control Korea Surveys conducted in 2016 (n=164) and 2020 (n=1088). Fourteen reasons for e-cigarette use were assessed in both waves. Subgroup analyses were performed by age, sex and educational level. RESULTS: The top reasons for e-cigarette use in 2020 were curiosity (62.8%), less harmful than smoking (45.4%) and taste (43.2%). Curiosity was the most cited across age, sex and education subgroups. Significant differences were observed in 2020 compared with 2016, with lower percentages in goal-oriented reasons: helping quit smoking (36.3% vs 48.9%; p=0.017), helping cut down smoking (35.3% vs 52.7%; p=0.001), less harmful to others (39.0% vs 54.6%; p=0.003) and more acceptable (31.6% vs 61.2%; p<0.001). By contrast, non-goal-oriented reasons showed higher percentages in 2020, such as curiosity (62.8% vs 27.9%; p<0.001), taste (43.2% vs 22.1%; p<0.001) and enjoyment (26.8% vs 8.6%; p<0.001). In 2020, a majority of adults who smoked and vaped (53.3%) reported no intention to quit or reduce smoking. CONCLUSIONS: E-cigarette use for curiosity and pleasure predominated among adults who smoked. The reasons for dual use in adults have shifted from goal-oriented to non-goal-oriented.
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 | 0,000 |
| 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) | 0,000 | 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 ».