Factors Associated with Changes in E-Cigarette Use and Tobacco Smoking by Adolescents and Young People in Nigeria during the COVID-19 Pandemic
Notice bibliographique
Résumé
This study aimed to assess the proportion of adolescents and young people (AYP) in Nigeria who changed their frequency of e-cigarette use and tobacco smoking during the COVID-19 pandemic; and factors associated with the increase, decrease or no change in e-cigarette use and tobacco smoking (including night smoking). This study was a cross-sectional study of AYP recruited from all geopolitical zones in the country. Multivariate logistic regression analyses were conducted to determine if respondents’ health HIV and COVID-19 status and anxiety levels were associated with changes in e-cigarette use and tobacco smoking frequency. There were 568 (59.5%) e-cigarette users, of which 188 (33.1%) increased and 70 (12.3%) decreased e-cigarette use and 389 (68.5%) increased night e-cigarette use. There were 787 (82.4%) current tobacco smokers, of which 305 (38.8%) increased and 102 (13.0%) decreased tobacco smoking and 534 (67.9%) increased night tobacco smoking. Having a medical condition was associated with lower odds of increased e-cigarette use (AOR:0.649; p = 0.031). High anxiety (AOR:0.437; p = 0.027) and having a medical condition (AOR:0.554; p = 0.044) were associated with lower odds of decreased e-cigarette use. Having COVID-19 symptoms (AOR:2.108; p < 0.001) and moderate anxiety (AOR:2.138; p = 0.006) were associated with higher odds of increased night e-cigarette use. We found complex relationships between having a medical condition, experiencing anxiety, changes in tobacco smoking and e-cigarette use among AYP in Nigeria during the COVID-19 pandemic that need to be studied further.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».