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 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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».