Electronic cigarette use and smoking cessation behavior among adolescents in China
Notice bibliographique
Résumé
OBJECTIVE: China produces the majority of the world's electronic cigarettes (e-cigarettes) and e-cigarettes have become popular in the country, especially among young people. However, little is known about the characteristics of e-cigarette use in China and how it is associated with smoking cessation behavior. This study focuses on the adolescent group in China and examines their perception and use of e-cigarettes and the association with smoking abstinence. METHODS: We use a mobile app-based survey on smoking behavior conducted in November 2015 in China, and focus on a sample of 2042 adolescents aged between 12 and 18. Awareness, perception, use of e-cigarettes are examined as well as the behaviors of promoting e-cigarettes and of smoking cessation. A logistic regression is performed to test the association between e-cigarette use and smoking abstinence behavior. RESULTS: In 2015, nearly 90% of the surveyed adolescents in China were aware of e-cigarettes, while over a quarter of the respondents were ever users. The odds ratio for ever users of e-cigarettes to have tried to quit smoking conventional cigarettes was 1.60 that of never users. For those who tried to quit smoking, 36.02% indicated that they used e-cigarettes to help quit. However, only 13.52% of those who had used e-cigarettes to help quit smoking were successful in quitting. CONCLUSIONS: This study is one of the first empirical research on e-cigarette use among Chinese adolescents. E-cigarettes are widely known and quite popular among Chinese adolescents. As the association between e-cigarette use and smoking cessation behavior is less than clear, more empirical research is called for to help form evidence-based regulatory policy on e-cigarettes in China.
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 | 0,001 |
| 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 ».