The role of spending money and drinking alcohol in adolescent smoking
Notice bibliographique
Résumé
AIMS: Previous studies have shown inconsistent findings with regard to the association between amount of spending money and adolescent smoking. Drinking alcohol may be a mediator of the association between spending money and adolescent smoking. However, no studies have examined this potential role. The objective of this study was to investigate the association between amount of spending money and adolescent smoking and the potential mediation role of alcohol use in this association. DESIGN: The 2003 Ontario Student Drug Use Survey of students in grades 7-12. MEASUREMENTS: Multivariable logistic, probit and linear regression models were used to investigate the association between amount of spending money and smoking, and the contribution of drinking alcoholic beverages to this relationship. FINDINGS: Spending money was associated positively with experimental smoking, current smoking and daily consumption of cigarettes (P < 0.01). The analysis adjusted for confounders showed that students with spending money > or =$20/week were significantly more likely to be experimental smokers, students with > or =$30/week were significantly more likely to be current smokers and students with > or =$60/week smoked significantly more cigarettes/day (P < or = 0.05), compared to students with <$10/week. Alcohol use was an important mediator, responsible for 81% of the association of spending money with experimental smoking, 38% with current smoking and 37% with daily consumption of cigarettes. CONCLUSIONS: Amount of spending money was associated significantly and positively with smoking among adolescents, and alcohol use mediated this association. Integrated tobacco prevention programs may be more effective, and increasing taxes on cigarettes and alcohol would increase price sensitivity among youth and protect against adolescent smoking.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».