Examining socio‐economic disparities among e‐cigarette users and cigarette smokers in three Canadian jurisdictions
Notice bibliographique
Résumé
INTRODUCTION: It is well established that a gradient exists among cigarette smokers, such that smoking is more prevalent among individuals who are of lower socio-economic status (SES). In this study, we examined whether a similar SES gradient exists among electronic cigarette (e-cigarette) using youth and adults in three Canadian jurisdictions. METHODS: A secondary analysis of data from Ontario, Quebec and Yukon respondents (n = 58,592) to the 2017-2018 Canadian Community Health Survey was conducted. Unadjusted and adjusted logistic regression models explored SES measures: total and relative household income, and education level, separately on use of e-cigarettes or cigarettes in the past 30 days. Models adjusted for additional socio-demographic and psychosocial covariates. RESULTS: A significant inverse SES gradient existed for cigarette smoking based on education and income variables, with higher education and income associated with decreasing consumption in a stepwise manner. No SES gradient was observed for e-cigarettes. DISCUSSION AND CONCLUSIONS: While a robust SES gradient was observed among cigarette smokers, no gradient for e-cigarette use was observed. Explanations for these findings may be linked to perceptions that e-cigarettes are healthier, have convenient designs and appealing flavours, and less stigmatised. As more becomes known about potential harms from e-cigarettes, effective interventions may be needed to prevent the emergence of a gradient that disproportionately affects those at lowest income and education levels. Continued monitoring of e-cigarette use patterns across SES groups is necessary for public health.
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 | 0,000 | 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 ».