E-cigarette consumption among youth who vape in Canada, England, New Zealand and the USA: Exploring methods to quantify consumption amounts and differences by product attributes using population-level surveys
Notice bibliographique
Résumé
SIGNIFICANCE: Despite the popularity of vaping among young people, data on e-liquid consumption remain limited. The current study explores methods to quantify e-liquid consumption among youth who currently vape in four countries. METHODS: Data were analysed from the 2023 International Tobacco Control Policy Evaluation Project Youth Surveys, conducted online with national samples in Canada, England, New Zealand and the USA, among 2916 youth aged 16-19 who vaped in the past 30 days. The volume of e-liquid consumed in the past 30 days was estimated from device-specific measures. Linear regression models examined differences in total e-liquid consumption by (1) country, age, sex-at-birth, exclusive versus dual vaping/smoking and device type; (2) four vaping dependence variables (frequency of strong urges, perceived addiction, days vaped, E-cigarette Dependence Scale (EDS) score) and (3) flavour. RESULTS: Across countries, total e-liquid consumption reported in the past 30 days was a median of 9.7 mL and a mean of 22.4 mL. Compared with the USA, e-liquid consumption was greater in Canada (β=4.6, p=0.048) and England (β=4.8, p=0.027). Using multiple device types was associated with greater e-liquid consumption (eg, three device types vs only pods/cartridges: β=54.6, p<0.001). All four dependence indicators were positively associated with consumption, including urges to vape, perceived addiction, days vaped and EDS (all p<0.001). Youth who vaped fruit flavours reported the greatest e-liquid consumption (β=9.1, p=0.001), with some evidence of higher consumption levels for sweet/drinks/other flavours (β=4.3, p=0.093). CONCLUSIONS: The findings suggest substantial e-liquid consumption among youth who vape in all four countries.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».