Prevalence of electronic nicotine delivery systems (ENDS) use among youth globally: a systematic review and meta‐analysis of country level data
Notice bibliographique
Résumé
OBJECTIVE: To describe the prevalence and change in prevalence of electronic nicotine delivery systems (ENDS) use in youth by country and combustible smoking status. METHODS: Databases and the grey literature were systematically searched to December 2015. Studies describing the prevalence of ENDS use in the general population aged ≤20 years in a defined geographical region were included. Where multiple estimates were available within countries, prevalence estimates of ENDS use were pooled for each country separately. RESULTS: Data from 27 publications (36 surveys) from 13 countries were included. The prevalence of ENDS ever use in 2013-2015 among youth were highest in Poland (62.1%; 95%CI: 59.9-64.2%), and lowest in Italy (5.9%; 95%CI: 3.3-9.2%). Among non-smoking youth, the prevalence of ENDS ever use in 2013-2015 varied, ranging from 4.2% (95%CI: 3.8-4.6%) in the US to 14.0% in New Zealand (95%CI: 12.7-15.4%). The prevalence of ENDS ever use among current tobacco smoking youth was the highest in Canada (71.9%, 95%CI: 70.9-72.8%) and lowest in Italy (29.9%, 95%CI: 18.5-42.5%). Between 2008 and 2015, ENDS ever use among youth increased in Poland, Korea, New Zealand and the US; decreased in Italy and Canada; and remained stable in the UK. CONCLUSIONS: There is considerable heterogeneity in ENDS use among youth globally across countries and also between current smokers and non-smokers. Implications for public health: Population-level survey data on ENDS use is needed to inform public health policy and messaging globally.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».