Changes in Risk-Taking Behaviors during the First Year of College in the Northwestern Iran: A Latent Transition Analysis.
Notice bibliographique
Résumé
BACKGROUND: First year of university is a critical life transition period with an increased probability of taking risky behaviors. We aimed to examine the transitions in risky behaviors in the first year of college in the northwestern Iran using latent transition analysis (LTA). STUDY DESIGN: A longitudinal study. METHODS: A random sample of 1406 freshmen enrolled in three universities in Tabriz City (the capital city of East Azerbaijan Province, northwestern Iran) were evaluated twice in November 2014 and 2015. A multiple-choice self-administered questionnaire was used to collect data on risky behaviors and demographic characteristics of students. LTA was performed to examine the prevalence and changes in risky behaviors (cigarette and hookah smoking, illicit drug use, alcohol consumption and risky sexual behaviors) among the students. RESULTS: The LTA model revealed four interpretable statuses. The prevalence data showed that 77.1%, 12.3%, 8.3% and 2.3% of students were "risk-free", "tobacco user", "sexual risk-taker" and "multiple risk-tacker", respectively in the first assessment. Over the period of one year, 4.2% and 6.1% of risk-free students became tobacco user and sexual risk-takers, respectively, and 22.4% of tobacco user students, transfer to the multiple risk-taker group. CONCLUSION: The prevalence of risk-taking behaviors increased during the freshman year. Tobacco smoking was predispose acquiring more risky behaviors. Probability of transition to the multiple risk-taker group was higher among tobacco users.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».