Cigarette smoking and associated health risks among students at five universities
Notice bibliographique
Résumé
INTRODUCTION: While most college students and other young adults who smoke fall into the light and intermittent smoking (LITS) category, they remain at risk for tobacco dependence and other adverse health effects from their smoking. This study examines smoking patterns, tobacco dependence, and other health variables among students at five universities to better understand how to identify and address tobacco use and related risks in a college health clinic setting. METHODS: A health screening survey was completed by 2,091 college and graduate student volunteers seeking routine care at their university health centers or participating in a health class. Independent health variables were analyzed descriptively and in regression analyses with three levels of smoking (none, non-daily, and daily) and tobacco dependence to determine predictors and associated risks. RESULTS: Nearly a quarter of students reported any current smoking, 41% of whom reported smoking less than 1 cigarette/day (cpd). Of the daily smokers, 80% smoked less than 10 cpd but 45% met criteria for tobacco dependence. Any smoking was associated with high-risk alcohol use, risky driving, relational abuse, depression, less exercise, and utilization of emergency and mental health services. In regression analyses, students who experienced depression had more than double the odds of being dependent smokers (odds ratio [OR] = 2.32), as did those who reported abuse (OR = 2.07) or sought mental health counseling (OR = 2.09). DISCUSSION: Student health providers should be alerted to the multiple risks and comorbidities that occur among all smokers, including LITS, and intervene concurrently to help prevent or mitigate adverse outcomes that result from these conditions and behaviors.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».