How Widespread is the Use of E-Cigarettes Among Adults in the United States Who Have Never Smoked? A Tale of Three Studies
Notice bibliographique
Résumé
Background Whilst e-cigarettes are a less harmful means of consuming nicotine than combustible cigarettes, concerns have been expressed about their use by adults who have never smoked (ANS). It is important to quantify the prevalence of e-cigarette use and to understand patterns of use among ANS to effectively guide public health policy and regulatory decisions.Methods The prevalence and patterns of e-cigarette use among ANS were estimated drawing upon data from three national studies in the United States; Population Assessment of Tobacco and Health Study (n = 29,780); the Tobacco Product Prevalence Study (n = 6,428); and the National Health Interview Survey (n = 27,651).Results An estimated 5.0 million (5.5%) to 18.6 million (11.1%) ANS have tried e-cigarettes and most of this use is experimental. An estimated 1.5 million (1.6%) to 4.8 million (2.9%) ANS currently use e-cigarettes, and current use is primarily infrequent. However, an estimated 0.5 million (0.5%) to 2.2 million (1.3%) ANS use e-cigarettes frequently. Prevalence of e-cigarette use is highest among younger (18–24 years) ANS.Conclusions E-cigarettes are intended to be used by adults who are currently smoking combustible cigarettes as a means of quitting combustible cigarette use or substantially reducing the number of cigarettes smoked.Therefore ANS are an unintended user population. The public health impact associated with e-cigarette use by ANS depends on whether these adults are using e-cigarettes to displace combustible cigarette use (harm avoidance) or whether they would otherwise not have initiated nicotine use if e-cigarettes were not available (harm exposure).
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».