Factors that influence decision-making among youth who vape and youth who don’t vape
Notice bibliographique
Résumé
Vaping rates among Canadian youth are significantly higher compared to adults. While it is acknowledged that various personal and socio-environmental factors influence the risk of school-aged youth for vaping uptake, we don't know which known behavior change factors are most influential, for whom, and how. The Unified Theory of Behavior (UTB) brings together theoretically-based behavior change factors that influence health risk decision making. We aimed to use this framework to study the factors that influence decision making around vaping among school-aged youth. Qualitative interviews were conducted with 25 youth aged 12 to 18 who were either vaped or didn't vape. We employed a collaborative and directed content analysis approach and the UTB constructs served as the coding framework for analysis. Gender differences were explored in the analysis. We found that multiple intersecting factors play a significant role in youth decision making to vape. Youth who vaped and those who did not vape reported similar mediating determinants that either reinforced or challenged their decision-making, such as easy access to vaping, constant exposure to vaping, and the temptation of flavors. Youth who didn't vape reported individual determinants that strengthened their intentions to not vape, including more negative behavioral beliefs (e.g., vaping is harmful) and normative beliefs (e.g., family disapproves), and strong self-efficacy (e.g. self-confidence). Youth who did vape, however, reported individual determinants that supported their intentions to vape, such as social identity, coolness, and peer endorsement. The findings revealed cohesion across multiple determinants, suggesting that consideration of multiple determinents when developing prevention messages would be beneficial for reaching youth.
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 | 0,001 | 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».