MétaCan
Menu
Retour à la cohorte
Enregistrement W4404097869 · doi:10.1183/13993003.congress-2024.pa4030

Herb vaping produces carbonyls in mainstream smoke

2024· article· en· W4404097869 sur OpenAlexaboutno aff
Efthimios Zervas, Chara Tsipa, Niki Matsouki, Evi Bekou, Maria Markygianni

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueBiochemical effects in animals
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMainstreamHerbSidestream smokeSmokeComputer scienceEnvironmental scienceChemistryTraditional medicineMedicinal herbsOrganic chemistryMedicinePolitical science

Résumé

récupéré en direct d'OpenAlex

In recent years there has been a shift towards herb vaping; however, there are very few studies determining the compounds emitted. This work studies the carbonyls emitted in the mainstream emissions of a herb vaporizer using: chamomile(CHAM), cannabis(CANN), thyme(THYM), lavender(LAV), passiflora(PASS), green tea(GREEN), eucalyptus(EUC), at 215 and 225°C, under International Organization for Standardization (ISO) and Health Canada Intense (HCI/CAN) puffing regimes. The carbonyls are collected in acidified DNPH solution and analyzed by HPLC-UV. Five carbonyls were detected. Formaldehyde, propionaldehyde and crotonaldehyde were below the limit of detection. Acetaldehyde and butyraldehyde were found to be predominant in the carbonyl content of herbs. The first is found at 2-5 times higher concentrations than the latter. The results (Fig 1, Fig 2) show that emission of carbonyls increase with temperature. The impact of smoking regime is not clear. There is a high variability on the emission of carbonyls as a function of herb. CANN emits more acetaldehyde than the other herbs, while CHAM is the herb that emits the most butyraldehyde. Fig 1. Emission of acetaldehyde <fig><object-id>erj;64/suppl_68/PA4030/F1</object-id><object-id>F1</object-id><object-id>F1</object-id><graphic></graphic></fig> Fig 2. Emission of butyraldehyde <fig><object-id>erj;64/suppl_68/PA4030/F2</object-id><object-id>F2</object-id><object-id>F2</object-id><graphic></graphic></fig>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,084
Score d'incertitude au seuil0,295

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,316
Écart entre enseignants0,295 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetBiochemical effects in animalsTravaux en français237 207