Income inequality and daily use of cannabis, cigarettes, and e-cigarettes among Canadian secondary school students: Results from COMPASS 2018–19
Notice bibliographique
Résumé
INTRODUCTION: Cannabis, cigarette, and e-cigarette use among Canadian adolescents is a major public health concern. Income inequality has been associated with adverse mental health among youth and may contribute to the risk of frequent cannabis, cigarette, and e-cigarette use. We tested the association between income inequality and the risk of daily cannabis, cigarette, and e-cigarette use among Canadian secondary school students. METHODS: We used individual-level survey data from Year 6 (2018/19) of Cannabis, Obesity, Mental health, Physical activity, Alcohol use, Smoking, and Sedentary Behavior (COMPASS) and area-level data from the 2016 Canadian Census. Three-level logistic models were used to assess the relationship between income inequality and adolescent daily and current cannabis use, cigarette smoking, and e-cigarette use. RESULTS: The analytic sample included 74,501 students aged 12-19. Students were most likely to report being male (50.4%), white (69.1%), and having weekly spending money over $100 (23.5%). We found that a standard deviation unit increase in Gini coefficient was significantly associated with increased likelihood of daily cannabis use (OR=1.25, 95% CI = 1.01-1.54) when adjusting for relevant covariates. We found no significant relationship between income inequality and daily smoking. While Gini was not significantly associated with daily e-cigarette use, we observed a significant interaction between Gini and gender (OR=0.87, 95% CI= 0.80-0.94), indicating that increased income inequality was associated with higher risk of reporting daily e-cigarette use among females only. DISCUSSION: An association between income inequality and the likelihood of reporting daily cannabis use across all students and daily e-cigarette use in females were observed. Schools in higher income inequality areas may benefit from targeted prevention and harm reduction programs. Results emphasize the need for upstream discussion on policies that can mitigate the potential effects income inequality.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».