Electronic Cigarette Use among Irish Youth: A Cross Sectional Study of Prevalence and Associated Factors
Notice bibliographique
Résumé
PURPOSE: To examine prevalence of, and factors associated with, e-cigarette use among young people aged 16-17 in Ireland. METHODS: In 2014, a representative sample of 821 young people aged 16-17 recruited from secondary schools completed a pen and paper survey on e-cigarette use, tobacco use, and socio-demographic items. FINDINGS: A total of 23.8% of respondents had used e-cigarettes at least once. Dual trial of tobacco and e-cigarettes was common with 69.5% of regular smokers and 30.4% of 'ever' smokers having tried e-cigarettes and 10.6% of current smokers using e-cigarettes regularly. 4.2% of never smokers have tried e-cigarettes. Overall, current e-cigarette use (once a month or more) was low (3.2%). Binary logistic regression conducted through generalized estimating equations (GEE) determined that controlling for other variables, current tobacco use and 'ever' tobacco use predicted ever e-cigarette use. Gender and school-level socioeconomic status were also independent predictors of ever e-cigarette use. Gender stood as the only predictor of on-going e-cigarette use, with males being more likely to regularly use e-cigarettes at least once a month. CONCLUSIONS: E-cigarette use among 16-17 year olds in Ireland is of note, with nearly a quarter of students having tried them. Concurrent or experimental use of e-cigarettes and tobacco is more common than sole use, while a small number have tried e-cigarettes without having tried tobacco.
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 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».