MétaCan
Menu
Retour à la cohorte
Enregistrement W2170598296 · doi:10.1542/peds.2009-2335

Water-Pipe Smoking Among North American Youths

2010· article· en· W2170598296 sur OpenAlexaffabout
Erika N. Dugas, Michèle Tremblay, Nancy Low, Daniel Cournoyer, Jennifer O’Loughlin

Notice bibliographique

RevuePEDIATRICS · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensMcGill UniversityInstitut National de Santé Publique du QuébecUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésMedicineBinge drinkingContext (archaeology)Water pipeEnvironmental healthLogistic regressionPublic healthOddsPsychological interventionNicotineMultivariate analysisOdds ratioDemographyPoison controlSuicide preventionPsychiatry

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: The objectives of this analysis were to identify the sociodemographic characteristics of water-pipe users in a North American context and to describe concurrent psychoactive substance use. METHODS: Data on sociodemographic characteristics, water-pipe smoking, and use of other psychoactive substances were collected in 2007 through mailed self-report questionnaires completed by 871 young adults, 18 to 24 years of age, who were participating in the Nicotine Dependence in Teens Study, a longitudinal investigation of the natural history of nicotine dependence among adolescents in Montreal, Canada. Independent sociodemographic correlates of water-pipe use were identified in multivariate logistic regression analyses. RESULTS: Previous-year water-pipe use was reported by 23% of participants. Younger age, male gender, speaking English, not living with parents, and higher household income independently increased the odds of water-pipe use. Water-pipe use was markedly higher among participants who had smoked cigarettes, had used other tobacco products, had drunk alcohol, had engaged in binge drinking, had smoked marijuana, or had used other illicit drugs in the previous year. CONCLUSIONS: Water-pipe users may represent an advantaged group of young people with the leisure time, resources, and opportunity to use water-pipes. Evidence-based public health and policy interventions are required to equip the public to make informed decisions about water-pipe use.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,431

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,248
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations75
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePEDIATRICSMême sujetSubstance Abuse Treatment and OutcomesTravaux en français237 207