Modeling The Underlying Tobacco Smoking Predictors Among 1st Year University Students In Iran
Notice bibliographique
Résumé
Background: There are scant studies on the prevalence and determinants of tobacco smoking among 1 st year university students in Iran. We aim to determine the prevalence of substance abuse and identify factors related with tobacco smoking in 1 st year students of Qazvin University of Medical Sciences (QUMS). Methods: A self-administered questionnaire was used to collect information on sociodemographic, cigarette smoking, hookah smoking, and related risk factors among 521 1 st year students in QUMS between January and February 2014. We used logistic regression to determine factors associated with substance abuse among students. Results: The descriptive statistics indicated that the prevalence of lifetime cigarette and hookah smoking was 8.6% (confidence interval [CI] 95%: 6.5–11.4) and 35.5% (CI 95%: 31.5–39.7), respectively. After adjustment for other factors, being male, the presence of any smoker in the family and having smoker friends were factors associated with cigarette and hookah smoking among students. Our findings also revealed the co-occurrence of risk-taking behaviors among students. Conclusions: Our study showed considerably low prevalence of tobacco smoking among 1 st year students. Longitudinal studies are necessary to approve the observed results of this study and thus allow for a certain generalization of the observations.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 ».