MétaCan
Menu
Retour à la cohorte
Enregistrement W4405751823 · doi:10.1002/hec.4926

Are E‐Cigarettes Substitutes or Complements to Combustible Cigarettes Among Youths? Evidence From Canada

2024· article· en· W4405751823 sur OpenAlexafffundabout
Hai V. Nguyen, Shweta Mital

Notice bibliographique

RevueHealth Economics · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueSmoking Behavior and Cessation
Établissements canadiensUniversity of ManitobaMemorial University of Newfoundland
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésEnvironmental healthAffect (linguistics)Quit smokingYouth smokingSmoking cessationDifference in differencesCigarette smokingPsychologyMedicinePublic healthTobacco controlEconomics

Résumé

récupéré en direct d'OpenAlex

Existing evidence on whether e-cigarettes are substitutes or complements to combustible cigarettes is limited and mixed. We revisit this question using nationally-representative Canadian survey data over 14 years (2004-2017) and difference-in-differences methods that exploit the staggered adoption of e-cigarette Minimum Legal Age (MLA) laws in Canadian provinces between 2015 and 2017. We study the laws' effects not only on youth smoking but also on smoking initiation and cessation to shed light on the mechanisms through which these laws affect youth smoking. We find that the relationship between e-cigarette use and combustible cigarette use depends on smoking status of youths. While the MLA laws reduced smoking initiation among youth non-smokers, they made existing youth smokers less likely to quit smoking. Our results highlight the tradeoffs between lower smoking initiation and lower smoking cessation associated with policies that aim to reduce youth e-cigarette use.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,118
Score d'incertitude au seuil0,654

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)0,0010,000

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 Opus0,112
Tête enseignante GPT0,346
Écart entre enseignants0,234 · 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'étudeObservationnel
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

Citations1
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealth EconomicsMême sujetSmoking Behavior and CessationTravaux en français237 207