The Prevalence of Cigarette and E-cigarette Smoking Among Students in Central and Eastern Europe—Results of the YUPESS Study
Notice bibliographique
Résumé
Electronic cigarettes (e-cigarettes) are an alternative to traditional tobacco cigarette smoking. The aim of this study was to assess the prevalence of cigarette smoking and e-cigarette use among university students from Central and Eastern Europe and to investigate personal characteristics associated with cigarette and e-cigarette smoking. A questionnaire-based cross-sectional survey was performed between 2017–2018 among university students in five European countries: Belarus, Lithuania, Poland, Russia, and Slovakia. The questionnaire included 46 questions related to the frequency and habits of traditional cigarettes and e-cigarettes use. Completed questionnaires were obtained from 14,352 students (8800 medical; aged 20.9 ± 2.4 years) with an overall response rate of 72.2%. Two-thirds of the respondents had smoked a traditional tobacco cigarette and 43.7% had used an e-cigarette. Overall current smoking status included 12.3% traditional cigarette smokers, 1.1% e-cigarette users, and 1.8% were dual users with the remainder being non-smokers. Smoking status differed between the research centres (p < 0.001). Females were less likely to try either cigarettes (OR = 0.83) or e-cigarettes (OR = 0.62) and were less likely to be current cigarette (OR = 0.64), e-cigarette (OR = 0.34), or dual users (OR = 0.33) than males. Perception of e-cigarettes significantly differed between smokers and non-smokers (p < 0.001). Among university students, cigarettes are more popular than e-cigarettes.
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 | 0,003 | 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 | 0,000 | 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 ».