A Systematic Review and Meta-analysis of Associations between E-cigarette Use among Nontobacco Users and Combustible Cigarette Smoking Intentions
Notice bibliographique
Résumé
Objectives: The potential association between e-cigarette use and cigarette smoking persists as an important public health issue. Strictly adhering to AMSTAR 2 and PRISMA guidelines, our evidence synthesis examined the association between e-cigarette use among non-tobacco users and the intention to smoke cigarettes. Methods: We searched 3 databases from January 1, 2007 to April 26, 2023 and screened search results according to the PICOS review method. Results: We synthesized 20 demographically adjusted studies on smoking intention, including related outcome measures of willingness/openness/curiosity to smoke cigarettes and susceptibility to smoke cigarettes. All studies suggested a significant association between e-cigarette use and intention to smoke according to measures of experimental e-cigarette use (i. e., ever or current use, and not established and/or regular use). Conclusions: Studies defining e-cigarette use according to measures of established and/or regular use, and that adequately controlled for specific confounding variables representing common liabilities between e-cigarette use and cigarette smoking are limited in the evidence base. Thus, currently there is limited evidence to support an association between e-cigarette use and the intention to smoke cigarettes. Future research should apply measures of regular and/or established e-cigarette use that adequately account for confounding variables that consider common liabilities between e-cigarette use and cigarette smoking. Doing so would enable the findings to support robust determinations regarding any potential association between e-cigarette use and the intention to smoke cigarettes.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,013 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| 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 | 0,001 |
| 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 ».