Prevalence and correlates of electronic cigarette use among Canadian students: cross-sectional findings from the 2014/15 Canadian Student Tobacco, Alcohol and Drugs Survey
Notice bibliographique
Résumé
BACKGROUND: Over the past decade, youth tobacco use has declined, and electronic cigarettes (e-cigarettes) have entered the market. The aims of this study were to describe the prevalence of e-cigarette use among youth in Canada, by province, across sociodemographic variables and smoking-related correlates; and to examine associations among e-cigarette use, sociodemographic variables and smoking-related correlates, with adjustment for other factors. METHODS: The 2014/15 Canadian Student Tobacco, Alcohol and Drugs Survey, a biennial, school-based survey, was administered to students in grades 6-12 in all Canadian provinces. Logistic regression models were fitted to estimate odds of ever and past 30-day e-cigarette use by sociodemographic variables and smoking-related correlates. RESULTS: A total of 336 schools from 128 school boards (47% of eligible schools approached) and 42 094 students (66% of eligible students approached) participated in the survey. In Canada, 17.7% (95% confidence interval [CI] 16.4%-18.9%) of students in grades 6-12 reported ever using e-cigarettes, and 5.7% (95% CI 5.2%-6.3%) reported past 30-day use. Substantial variation was observed across provinces. Female students had decreased odds of past 30-day use relative to male students (odds ratio [OR] 0.71, 95% CI 0.59-0.86), whereas current smokers (OR 10.0, 95% CI 6.66-15.02) and experimental smokers (OR 3.61, 95% CI 2.40-5.42) had increased odds relative to never smokers. Students who perceived that access was easy also had increased odds of using e-cigarettes relative to students who perceived that access was difficult (OR 3.86, 95% CI 2.96-5.03). Students who believed that regular use entailed slight risk (OR 0.68, 95% CI 0.52-0.88) and those who did not know risk levels (OR 0.31, 95% CI 0.21-0.46) had decreased odds compared with those perceiving no risk. INTERPRETATION: Our data confirm that many youth used e-cigarettes in the 30 days preceding the survey, although rates were substantially higher among current and experimental smokers than among students who had never tried 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 | 0,001 | 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 | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».