MétaCan
Menu
Retour à la cohorte
Enregistrement W2971874893 · doi:10.1186/s12889-019-7546-y

The association between alcohol, marijuana, illegal drug use and current use of E-cigarette among youth and young adults in Canada: results from Canadian Tobacco, Alcohol and Drugs Survey 2017

2019· article· en· W2971874893 sur OpenAlexafffundabout
Vrati M. Mehra, Asvini Keethakumar, Yvonne Bohr, Peri Abdullah, Hala Tamim

Notice bibliographique

RevueBMC Public Health · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueSmoking Behavior and Cessation
Établissements canadiensYork University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaCanadian Institutes of Health ResearchYork University
Mots-clésMedicineBiostatisticsLogistic regressionNicotineEnvironmental healthPublic healthYoung adultMonitoring the FutureEpidemiologyDemographySubstance abusePsychiatryGerontologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: E-cigarettes have grown in popularity around the world since 2003. Although marketed as a smoking cessation tool, e-cigarettes can lead to tobacco cigarette smoking in youth. In Canada, among all age groups, youth and young adults have the highest prevalence of e-cigarette use. The objective of this study was to assess the factors associated with e-cigarette use among youth and young adults in Canada, and to specifically examine the association between alcohol, marijuana and illicit drug use. METHODS: Data from the 2017 Canadian Tobacco, Alcohol and Drugs Survey were used. The sample was restricted to those aged 15-24 years (n = 10,322), and main outcome defined as 'E-cigarette use in the past 30-days'. Multivariable logistic regression was performed to assess the association between the main outcome and substance use variables (illicit drug, marijuana and alcohol use), tobacco exposure variables, and demographic and health-related factors. RESULTS: 6.2% Canadians aged 15-24 reported using e-cigarettes in the past 30-days, while 23.9% reported having ever tried e-cigarettes. Twenty-three percent of the past 30-day users reported using e-cigarettes every day and 72.5% of the past 30-day users reported having nicotine in their last e-cigarette. Additionally, youth aged 15-17 were 4.95 times more likely to be e-cigarette users as compared to those aged 22-24 (OR: 4.95, 95% CI: 3.1-7.9). Moreover, e-cigarette use was significantly associated with marijuana use (OR:4.17, 95% CI: 2.6-6.7) and alcohol use (OR: 5.08, 95% CI: 2.9-9.0), and approached significance with illicit drug use (OR: 1.68, 95% CI: 1.0-2.9). Furthermore, being a current smoker (OR: 2.93, 95% CI: 1.8-4.7) and male (OR: 2.28, 95% CI: 1.5-3.4) was significantly associated with the outcome. CONCLUSION: This study is nationally representative and provides insight into e-cigarette use among youth and young adults aged 15-24 years. Given that e-cigarettes can be used as illicit drug delivery systems, more studies are needed to understand how Canadian youth and young adults are using e-cigarettes. Stricter restrictions on public e-cigarette smoking, and awareness campaigns informing youth of risks of e-cigarette smoking should be implemented.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,088

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0020,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,073
Tête enseignante GPT0,293
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations68
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Public HealthMême sujetSmoking Behavior and CessationTravaux en français237 207