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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,006
Score d'incertitude au seuil0,414

Scores Codex et Gemma par catégorie

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

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 tête enseignante, 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