Tobacco Use Patterns Among University Students in Herat, Afghanistan: A Cross-sectional Study
Notice bibliographique
Résumé
Background: Tobacco use is highly prevalent in Afghanistan, posing a significant challenge among young people, including university students. This study aims to investigate tobacco product usage patterns and associated factors among male students at Herat University, Afghanistan, addressing the critical need for understanding and addressing this public health issue. Methods: In this cross-sectional study conducted between April and May 2021, 640 male university students were surveyed using interview-based stratified random sampling to assess cigarette, smokeless tobacco (ST), hookah, and e-cigarette use alongside sociodemographic factors. Logistic regression identified significant predictors. Findings: The prevalence was 35.3% for cigarette smoking, 15% for ST use, 14.1% for e-cigarette vaping, and 35.5% for hookah smoking. In the cigarette model, predictors included age (OR=1.20), mother's education (secondary/high school OR=2.19; university OR=2.68), friends' use (OR=9.54), and employment status (OR=2.52). The hookah model highlighted friends' use (OR=31.05), marital status (OR=2.10), employment status (OR=1.76), and mother's education (secondary/high school OR=2.18; university OR=3.57) as predictors. In the ST model, predictors were friends' use (OR=20.12), employment status (OR=3.37), and mother's education (secondary/high school OR=2.91). Lastly, the e-cigarette model revealed the predictors of friends' use (OR=7.91) and employment status (OR=1.87). Conclusion: Tobacco use among Afghan male university students is significantly influenced by peer behavior, employment status, and parental education. Interventions should target accessibility and sociocultural attitudes and include educational programs and policy measures to reduce tobacco consumption in the university setting.
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 ».