Nghiên cứu tổng quan hệ thống và phân tích gộp về độc tính của thuốc lá nung nóng so với thuốc lá thông thường
Bibliographic record
Abstract
Độc tính của thuốc lá nung nóng là chủ đề đang được quan tâm trong thời gian gần đây. Nghiên cứu này nhằm mục tiêu tổng hợp kết quả các thử nghiệm lâm sàng ngẫu nhiên có đối chứng đánh giá độc tính của thuốc lá nung nóng so với thuốc lá thông thường dựa trên các chỉ điểm sinh học phơi nhiễm. Mười bài báo gốc đã được tuyển chọn từ 187 bài báo theo tiêu chuẩn thuộc 3 cơ sở dữ liệu điện tử: PubMed, Sciencedirect và ProQuest từ 2010 - 2023 theo hướng dẫn PRISMA 2020. Kết quả cho thấy nồng độ của 14 chỉ điểm sinh học phơi nhiễm quan trọng (1-OH, 2-AN, 3-HMPMA, 3-HPMA, 4-ABP, CEMA, CoHb, HEMA, MHBMA, NNAL, NNN, S-PMA, TNeq, và O-Tol) đều thấp hơn có ý nghĩa thống kê ở những người hút thuốc lá nung nóng so với người hút thuốc lá thông thường; mức giảm cao nhất với TNeq (68,6%) và thấp nhất với CEMA (13,4%). Độc tính của thuốc lá nung nóng, đánh giá thông qua các chỉ điểm sinh học phơi nhiễm, giảm đáng kể so với thuốc lá thông thường. Tuy nhiên, vẫn cần có thêm các nghiên cứu độc lập, toàn diện hơn nữa về tính an toàn của thuốc lá nung nóng.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.121 | 0.054 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".