Cannabis Users Identifying Themselves as Non-Cigarette Smokers: Who Are They?
Notice bibliographique
Résumé
Introduction and Aims. About 20% of cannabis consumers report not smoking cigarettes. Studies that have compared cannabis and cigarette smokers, cigarette smokers, and cannabis users who do not smoke cigarettes (CNSs) have shown that CNSs have better outcomes across a range of indicators compared to the others. Therefore, we conducted a qualitative study to determine why CNSs did not smoke cigarettes and how they managed to resist cigarette smoking in order to better inform prevention efforts. Design and Methods. We conducted five focus groups (FG) with a total of 19 CNSs between ages 16 and 25. A narrative analysis of FGs was conducted using qualitative analysis software. Results. CNSs’ non-smoking choice was rooted in a negative opinion of cigarettes and a harm-reduction strategy. They were unique cases within their peer groups, but there were no CNSs groups. All participants were confronted to the mulling paradox. Discussion and Conclusions. While tobacco-use prevention seems to have been successful, CNSs need to be informed of harmful consequences of chronic cannabis use. Given their habit of adding tobacco to cannabis, CNSs need to be alerted that they may be nicotine dependent even though they do not smoke tobacco on its own. This exploratory study brings essential insight concerning this specific population of cannabis consumers which future research should continue to develop.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».