Birth-cohort patterns of e-cigarette and other tobacco use among adolescents in the US
Notice bibliographique
Résumé
BACKGROUND: E-cigarette use has increased considerably among US adolescents. While many studies have described cross-sectional prevalence trends of youth e-cigarette use, less is known about cohort or generational initiation and use patterns. METHODS: We used data from the US National Youth Tobacco Survey (NYTS) from 2014 to 2022 and age-period-cohort models to analyze age-specific patterns of e-cigarette use initiation and prevalence by cohort and calendar. For comparison, we also examined initiation and prevalence for cigarettes, cigars, and smokeless tobacco, using NYTS data from 1999 to 2022. RESULTS: Age-specific e-cigarette initiation and prevalence varied considerably by calendar year and birth cohort. There was a rapid increase in e-cigarette initiation and prevalence starting with the 1995 birth cohort, peaking with the 2005 birth cohort, and showing signs of decline with more recent cohorts. In contrast, there were substantial continuous reductions in cigarette, cigar, and smokeless use initiation and prevalence by birth cohort. While the reductions in cigarette smoking started with the 1980s birth cohorts, cigar and smokeless initiation and prevalence did not decrease until the 1990-1995 cohorts. CONCLUSIONS: Despite their recent emergence, e-cigarette use has varied considerably across US adolescent cohorts. After early increases, e-cigarette use and initiation peaked with the 2005 birth cohort. These patterns are in contrast with the continuous decreases by cohort in cigarette, cigar, and smokeless use and initiation. As the tobacco product landscape continues to evolve, it will be essential to monitor patterns of use of adolescent and young adult cohorts as they age into adulthood.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».