Prevalence and correlates of addictive behaviours among adolescents in Chandigarh, North India
Notice bibliographique
Résumé
Objective The objective of the present study was to determine the prevalence of addictive behaviors among in-school and out-of-school adolescents of age 13–19 years in Chandigarh, India.Methods Problem Behavior Theory (PBT) was used to identify the risk and protective factors for addictive problem behaviors among adolescents.Results A total of 1634 adolescents were included from in-school (n = 1134) and out-of-school (n = 500) categories. The prevalence of addictive behaviors was 19.1% (current smoking 6%, alcohol drinking 6.1%, and drug use 7%) among adolescents aged 13 to 19. Significant predictors of smoking were being male (aOR = 4.43; 95%CI: 1.92,10.20; p < .001) and having a working father (aOR = 3.19; 95%CI: 1.10, 9.20; p < .05). Total protective score [smoking: aOR = 0.99; 95% CI:0.97, 0.99: p < .05; alcohol use: aOR:0.98;95% CI:0.97,0.99; p < .01; drug use: OR:0.99, 95%CI: 0.98,0.99; p < .05] and total risk score [smoking: aOR = 1.14; 95%CI:1.11, 1.17: p < .001; alcohol use: aOR:1.10;95% CI:1.07,1.12; p < .001; drug use: aOR:1.05, 95%CI: 1.04,1.06 p < .001] were significantly associated with all three addictive behaviors.Conclusions The current study’s findings can inform the development of intervention programs focusing on both adolescents and communities (social environment surrounding adolescents) to enhance the protection of adolescents at risk for addictive behaviors.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».