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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».