Social norms towards smoking and vaping and associations with product use among youth in England, Canada, and the US
Notice bibliographique
Résumé
BACKGROUND: This study assesses differences in social norms towards smoking and vaping among youth across countries (England, Canada, US) and smoking and vaping status. METHODS: Data are from the 2017 ITC Youth Tobacco and Vaping Survey, among youth age 16-19 in England (N = 3444), Canada (N = 3327), and US (N = 3509). Prevalence of friend smoking, friend vaping, peer approval of smoking, and peer approval of vaping were estimated. Adjusted logistic regression models were estimated for each norm to assess associations with country, smoking status, and vaping status, adjusting for sociodemographics, alcohol use, and marijuana use. RESULTS: 47% and 52% reported friend smoking and vaping respectively. Perceived peer approval of vaping (44%) was almost double that of smoking (23%). Compared with England, fewer Canadian and US youth reported friend smoking (Canada: AOR = 0.71 [95% CI = 0.62-0.82]; US: AOR = 0.54 [0.47-0.62]) and peer approval of smoking (Canada: AOR = 0.74 [0.63-0.87]; US: AOR = 0.78 [0.67-0.91]), yet more reported peer approval of vaping (Canada: AOR = 1.23 [1.08-1.41]; US: AOR = 1.30 [1.14-1.48]). More Canadian than English youth reported friend vaping (AOR = 1.17 [1.02-1.36]). Friend smoking, peer approval of smoking, and friend vaping were more common among smokers and vapers (all p < .02). Peer approval of vaping was more common among vapers but less common among smokers (all p < .044). CONCLUSIONS: Youth had more positive vaping than smoking norms. English youth reported the most pro-smoking but least pro-vaping norms in adjusted models; this was unexpected given country differences in regulatory environments. Norms towards both products were associated with use, with some evidence of cross-product associations between norms and behaviours.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».