MétaCan
Menu
Retour à la cohorte
Enregistrement W4212805201 · doi:10.1037/hea0001146

Youth perceptions of e-cigarette-related risk of lung issues and association with e-cigarette use.

2022· article· en· W4212805201 sur OpenAlexaff
Shivani Mathur Gaiha, Anna E. Epperson, Bonnie Halpern‐Felsher

Notice bibliographique

RevueHealth Psychology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSmoking Behavior and Cessation
Établissements canadiensReach Technologies (Canada)
Organismes subventionnairesNational Cancer InstituteNational Heart, Lung, and Blood InstituteTobacco-Related Disease Research Program
Mots-clésMedicineYoung adultOdds ratioDemographyElectronic cigaretteConfidence intervalEnvironmental healthCigarette smokingCross-sectional studyGerontologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: E-cigarette use is associated with increased risk of negative health outcomes, including respiratory problems such as Coronavirus Disease 2019 (COVID-19). Nevertheless, adolescents and young adults (AYAs) continue to use e-cigarettes at alarming rates. We examined AYA's perceptions of the health harms of e-cigarettes in relation to respiratory problems and the associations between these perceptions and e-cigarette use. METHOD: = 4,315; 65% female; 50% ever-users, 50% never-users) to assess e-cigarette use and perceptions of the risk of respiratory problems, COVID-19, and severe lung disease for AYAs with different levels of e-cigarette use. RESULTS: = 1.26, 95% CI [1.11, 1.42]). CONCLUSIONS: Among AYAs who had ever used e-cigarettes, those who did not believe that e-cigarette use increases the risks of respiratory problems were more likely to have used e-cigarettes in the past month. To bridge the gap between youth perceptions and emerging scientific evidence on e-cigarette-related health risks, prevention messaging should seek to explain how e-cigarette use is linked to respiratory problems and could affect COVID-19 outcomes. (PsycInfo Database Record (c) 2022 APA, all rights reserved).

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)0,004
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 enseignants0,010
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,032
Tête enseignante GPT0,366
Écart entre enseignants0,334 · 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

Citations16
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealth PsychologyMême sujetSmoking Behavior and CessationTravaux en français237 207