Evidence update on e-cigarette dependence: A systematic review and meta-analysis
Notice bibliographique
Résumé
INTRODUCTION: We conducted this review to examine the risk of e-cigarette dependence in different populations by updating the review on this topic by the National Academies of Science, Engineering, and Medicine. METHODS: Six academic databases were searched for studies published between September 2017 and December 2023. We included peer-reviewed human, animal, cell/in vitro original studies examining associations of e-cigarette use and dependence but excluded qualitative studies. Three types of e-cigarette exposure were examined: acute, short-to-medium term, and long-term. Meta-analysis were conducted when possible. Different risk of bias tools were used for assessing quality of the included human studies. RESULTS: We included 107 studies, of which 34 studies were included in the subgroup analysis. Meta-analyses showed that non-smoker current vapers had no statistically significant difference in level or prevalence of dependence compared to non-vaper current smokers and dual users. However, never smoker current vapers had a lower level of dependence (SMD -0.723, p < 0.01) compared to dual users, which was also supported by ANOVA test. Narrative review findings suggest that nicotine vapers had higher level of dependence than non-nicotine vapers and e-cigarette dependence is positively associated with nicotine concentration, frequency, and duration of use. No strong relationship was found between dependence and product types or features. Socio-demographic factor-based subgroup findings were inconclusive. CONCLUSIONS: The level and prevalence of e-cigarette dependence is similar to cigarette dependence. There was high variability in the definitions and methods used for defining populations and assessing dependence. Further research and monitoring are crucial.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,004 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».