MétaCan
Menu
Retour à la cohorte
Enregistrement W4295766138 · doi:10.3390/ijerph191811570

An International Systematic Review of Prevalence, Risk, and Protective Factors Associated with Young People’s E-Cigarette Use

2022· review· en· W4295766138 sur OpenAlexaboutno aff
Jinyung Kim, Serim Lee, JongSerl Chun

Notice bibliographique

RevueInternational Journal of Environmental Research and Public Health · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueSmoking Behavior and Cessation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnvironmental healthMedicineSmoking prevalencePopularityIntervention (counseling)Young adultDemographyCigarette smokingSmoking epidemiologyGerontologyPsychologyPsychiatryPopulation

Résumé

récupéré en direct d'OpenAlex

While the prevalence of young people's conventional cigarette use has decreased in many countries, the use of e-cigarettes has risen. To effectively counteract the growing popularity of e-cigarettes among young people internationally, researchers should know the exact prevalence as well as the protective and risk factors associated with vaping. Based on five eligibility criteria, 53 articles were chosen and analyzed by general characteristics, prevalence, sample characteristics, gender difference, protective factors, and risk factors. In this study, the international pooled prevalence of young people's lifetime e-cigarette use was 15.3%, the current use was 7.7%, and dual use was 4.0%. While the highest lifetime, current, and dual prevalence were found in Sweden, Canada, and the United Kingdom, respectively, the lowest prevalence was found in Germany, followed by South Korea and Sweden. Some protective and risk factors include perceived cost and danger of vaping, parental monitoring, internal developmental assets, cigarette use, family and peer smoking, exposure to online advertisements, and the presence of nearby retail stores. Based on this review, researchers and practitioners can develop different intervention programs and strategies for young smokers.

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)0,005
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,141
Score d'incertitude au seuil0,610

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,155
Tête enseignante GPT0,432
Écart entre enseignants0,277 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations73
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Environmental Research and Public HealthMême sujetSmoking Behavior and CessationTravaux en français237 207