Factors related to heavy drinking between British Columbia Asian adolescents and South Korean adolescents
Notice bibliographique
Résumé
Abstract Purpose The aim of this study is to compare the factors related to heavy drinking among British Columbia (BC) Asian adolescents and South Korean adolescents. Design and Methods A cross‐sectional descriptive design was used. Participants were 72,422 adolescents (12,382 BC Asian adolescents and 60,040 South Korean adolescents) from the 2018 BC Adolescent Health Survey and the 2018 Korean Youth Risk Behavior Web‐Based Survey. Complex samples descriptive statistics, Rao–Scott χ 2 tests, and complex samples logistic regression analyses were performed. Results Heavy drinking was reported by 8.6% of BC Asian adolescents and 7.7% of South Korean adolescents. Asian adolescents in BC and South Korea shared six risk factors and one protective factor linked to odds of heavy drinking. The strongest risk factor for heavy drinking in each region was current cigarette smoking. Other risk factors for heavy drinking included older age/higher grade (10/12th), early initiation of sexual intercourse (age 14 or younger), experiences of bullying, depression, and exercise. The only protective factor for heavy drinking, sufficient sleep, was similar in both regions. Practice Implications This study suggests several nursing interventions and health promotion strategies to help us to prevent or reduce heavy drinking for BC Asian adolescents and South Korean adolescents.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».