Additional file 1 of The smoking and vaping model, A user-friendly model for examining the country-specific impact of nicotine VAPING product use: application to Germany
Notice bibliographique
Résumé
Additional file 1: Supplementary Table 1. Smoking and Vaping Model, recommended definitions for cigarette use and NVPs use status. Supplementary Table 2. SAVM cigarette to nicotine and vaping product use switching rates from the US Population Assessment of Tobacco and Health (PATH) survey 2013-2017. Supplementary Table 3. Smoking prevalence (%), validation of Germany-SAVM against the Eurobarometer-Germany, by age and gender, 2014–2020. Supplementary Figure 1a. Validation of Germany-SAVM male smoking prevalence vs. German Microcensus 2017. Supplementary Figure 1b. Validation of Germany-SAVM female smoking prevalence vs. German Microcensus 2017. Supplementary Figure 2a. Validation of Germany-SAVM NVP use prevalence vs. the German Study on Tobacco Use (DEBRA). Results for adults ages 18 to 24 years. Supplementary Figure 2b. Validation of Germany-SAVM NVP use prevalence vs. the German Study on Tobacco Use (DEBRA). Results for adults ages 25 and above. Supplementary Table 4. The Germany SAVM model estimates for all cohorts (ages 18-99) with new births for 2012-2060. NVP risks at 15% those of excess smoking risks. Supplementary Table 5. The Smoking and Vaping Model modeling assumption and its implications.
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 | 0,002 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,584 | 0,086 |
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 ».