E-cigarette use by Ontario public elementary school and secondary school students: Has the use among sociodemographic groups changed from 2017 to 2019?
Notice bibliographique
Résumé
This project examined e-cigarette use among Elementary School (ES) (grades 7 and 8) and Secondary School (SS) (grades 9-12) students in Ontario, Canada, for 2017 and 2019 and relationships with sociodemographic variables and traditional cigarette use. The data came from the Ontario Student Drug Use and Health Survey OSDUHS (2017, 2019). Socio-demographics included grade, school performance, sex, race, years in Canada, living arrangements and language spoken at home. E-cigarette use and cigarette smoking were any past year use. For 2017, there are a greater percentage of ES males than females who used e-cigarettes, older students, those living in more than one home and those smoking cigarettes. For SS students a greater percentage for those of older age, higher grades, living in Canada all their lives, using only English language at home, self-identified as white, with lower school performance, those with multiple household living arrangements and who reported smoking traditional cigarettes reported using e-cigarettes. Use was lower among females in 2017 (OR = 0.63, 95% CI = 0.46, 0.86, p = 0.002), but by 2019 use was higher among females, which resulted in a non-significant difference between males and females (OR = 0.91, 95% CI = 0.77, 1.09). Greater use of e-cigarettes was found among students who smoked traditional cigarettes compared to those who did not smoke in both years. Monitoring the trends, patterns and trajectories of use and variables related to use needs to be continued which may help inform the development of further legislative and educational measures.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,002 | 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 ».