Comparison of Indicators of Dependence for Vaping and Smoking: Trends Between 2017 and 2022 Among Youth in Canada, England, and the United States
Notice bibliographique
Résumé
INTRODUCTION: The current study sought to examine trends in indicators of dependence for youth vaping and smoking during a period of rapid evolution in the e-cigarette market. AIMS AND METHODS: Data are from repeat cross-sectional online surveys conducted between 2017 and 2022 among youth aged 16-19 in Canada, England, and the United States (US). Participants were 23 145 respondents who vaped and/or smoked in the past 30 days. Four dependence indicators were assessed for smoking and vaping (perceived addiction, frequent strong urges, time to first use after waking, days used in past month) and two for vaping only (use events per day, e-cigarette dependence scale). Regression models examined differences by survey wave and country, adjusting for sex, age, race, and exclusive/dual use. RESULTS: All six indicators of dependence increased between 2017 and 2022 among youth who vaped in the past 30 days (p < .001 for all). For example, more youth reported strong urges to vape at least most days in 2022 than in 2017 (Canada: 26.5% to 53.4%; England: 25.5% to 45.4%; US: 31.6% to 50.3%). In 2017, indicators of vaping dependence were substantially lower than for smoking; however, by 2022, youth vaping was associated with a greater number of days used in the past month (Canada, US), shorter time to first use (all countries), and a higher likelihood of frequent strong urges (Canada, US) compared to youth smoking. CONCLUSIONS: From 2017 to 2022, indicators of vaping dependence increased substantially. By 2022, vaping dependence indices were comparable to those of smoking. IMPLICATIONS: Indicators of vaping dependence among youth have increased substantially since 2017 to levels that are comparable to cigarette dependence among youth who smoke. Future research should examine factors underlying the increase in dependence among youth who vape, including changes to the nicotine profile and design of e-cigarette products.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| 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 ».