Cross-Sectional Associations of Screen Time Activities With Alcohol and Tobacco Consumption Among Brazilian Adolescents
Notice bibliographique
Résumé
Objectives: Little is known about the association between specific types of screen time and adolescents’ substance use. Thus, this study aimed to investigate the associations between screen time for studying, working, watching movies, playing games, and using social media and frequency of alcohol and tobacco use. Methods: In this cross-sectional study, Brazilian adolescents answered survey questions related to frequency of tobacco and alcohol consumption, and reported their daily volume of five types of screen time. Multilevel ordered logistic regression models were performed. Results: Each 1-hour increase in ST for studying was associated with 26% lower odds of smoking (OR = 0.74; 95% CI: 0.61–0.90) and 17% lower odds of drinking alcohol (OR = 0.83; 95% CI: 0.76–0.91) in the past 30 days. The increase of 1 hour of social media use was associated with 10% greater odds of smoking (OR = 1.10; 95% CI: 1.02–1.18) and a 13% greater chance of consuming alcohol (OR = 1.13; 95% CI: 1.08–1.18) in the past 30 days. Conclusion: The association between screen time and substance use appears to be type-specific. Future longitudinal research is needed to explore causal relationships.
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) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».