Nicotine and tobacco-specific nitrosamine exposure among youth in England who smoke cigarettes and/or vape
Notice bibliographique
Résumé
SIGNIFICANCE: Compared with adults who smoke cigarettes, adults who vape nicotine are exposed to similar levels of nicotine and significantly lower levels of tobacco-specific nitrosamines (TSNAs). Little research outside the USA has included youth who vape, particularly those using newer disposable vapes. We investigated exposure to nicotine and the TSNA NNK (4-(methylnitrosamino)-1-(3-pyridyl)-1-butanol) among youth in England who vape, smoke, do both (dual) or do neither. METHODS: In 2023, youth aged 16-19 years from England completed a survey and provided a urine sample (n=201). Linear regressions examined associations of creatinine-normalised urinary concentrations of total nicotine equivalents (TNE-2) and NNAL (a metabolite of NNK) with past 7-day smoking/vaping status and self-reported recency of vaping. All analyses were adjusted for age, sex at birth, ethnicity and any past 7-day cannabis use. FINDINGS: Over three-quarters (77%) of those vaping were using the newer disposable vapes. Urinary TNE-2 concentrations among those who exclusively vaped in the past 7 days (n=83, geometric mean (GM)=5.09 nmol/mg creatinine (95% CI 3.19 to 8.12)) did not differ significantly from those who smoked (n=9, GM=1.74 nmol/mg creatinine (95% CI 0.64 to 4.72), p=0.426) or those who dual used (n=55, GM=5.60 nmol/mg creatinine (95% CI 3.32 to 9.43), p=0.953). Levels of NNAL among those who exclusively vaped (GM=1.87 pg/mg creatinine (95% CI 1.62 to 2.17)) were significantly lower than those who smoked (GM=4.87 pg/mg creatinine (95% CI 2.45 to 9.68), p=0.001) or those who dual used (GM=3.67 pg/mg creatinine (95% CI 2.76 to 4.86), p<0.001) and not significantly different from youth who neither vaped nor smoked (GM=1.84 pg/mg creatinine (95% CI 1.52 to 2.24), p=0.887). INTERPRETATION: Youth who vape are exposed to similar levels of nicotine as those who smoke or who dual use. NNAL exposure among youth who vape is much lower than among those who smoke and indistinguishable from youth who do not vape or smoke.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».