Trends in youth e-cigarette and cigarette use between 2013 and 2019: insights from repeat cross-sectional data from the COMPASS study
Notice bibliographique
Résumé
OBJECTIVES: E-cigarettes are an increasingly popular product among youth in Canada. However, there is a lack of long-term data presenting trends in use. As such, the objective of this study was to examine trends in e-cigarette and cigarette use across various demographic characteristics between 2013 and 2019 among a large sample of secondary school youth in Canada. METHODS: Using repeat cross-sectional data from a non-probability sample of students in grades 9 to 12, this study explored trends in the prevalence of ever and current e-cigarette use and cigarette smoking between 2013-2014 and 2018-2019 in British Columbia, Alberta, Ontario, and Quebec. Trends in ever and current e-cigarette use and cigarette smoking were studied across demographic variables among students in Ontario. RESULTS: The prevalence of e-cigarette ever and current use was variable across province and increased over time, particularly between 2016-2017 and 2018-2019. In contrast, the prevalence of current cigarette smoking was relatively stable over the study period, decreasing significantly in Alberta and Ontario between 2017-2018 and 2018-2019. In Ontario, the prevalence of ever and current e-cigarette use increased among all grades, both genders, and all ethnicities. CONCLUSION: Consistent with data from the United States, the prevalence of e-cigarette use among our large sample of Canadian youth has increased substantially in a short period of time. Surveillance systems should continue to monitor the prevalence of tobacco use among youth. Additional interventions may be necessary to curb e-cigarette use among Canadian youth.
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 | 0,001 | 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 | 0,001 |
| 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 ».