Trends of electronic cigarette use among adolescents: A bibliometric analysis
Notice bibliographique
Résumé
INTRODUCTION: The use rate of electronic cigarettes (e-cigarettes) among adolescents is continuously rising globally, posing new challenges to public health and negatively impacting adolescent health. This study employs bibliometric methods to systematically present the current state and evolving trends in global research on adolescent e-cigarette use. METHODS: This study uses CiteSpace to conduct a bibliometric analysis of articles related to adolescent e-cigarette use from the Web of Science (WoS) Core Collection database. Firstly, performance analysis and collaboration network analysis were utilized to clarify the basic publication status, main knowledge producers, and knowledge collaboration networks in adolescent e-cigarette use research. Secondly, a co-citation network analysis was performed to visually analyze the disciplinary characteristics and 'hot topics' in this field. Finally, keyword burst detection and clustering techniques were employed to further explain the development trends and frontiers of research on adolescent e-cigarette use. RESULTS: A total of 2063 research articles and review articles were included in this study. Research on adolescent e-cigarette use has significantly increased from 2002 to 2024. The United States, the United Kingdom and Canada are the main contributors, with their institutions and researchers playing key roles in the international collaborative network. Current research increasingly adopts interdisciplinary approaches. Keyword co-occurrence and burst identified current research 'hotspots' including vaping, substance use, public policy, prevention, advertising, and cessation. Co-citation cluster analysis revealed promising research areas such as attractiveness, environment and health, accessibility and smoking behavior, and mental health. CONCLUSIONS: Through data mining and visualization techniques, this study provides a comprehensive bibliometric analysis of published work on e-cigarettes and adolescence. The results of this work offer references for researchers in future investigations.
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 | 0,007 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,135 | 0,166 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».