Understanding racial/ethnic differences in e-cigarette outcome expectancies among early adolescents: findings from the Adolescent Brain Cognitive Development Study
Notice bibliographique
Résumé
Introduction E-cigarette expectancies, which may differ by race/ethnicity, play a crucial role in shaping youth e-cigarette use. Observed differences by race/ethnicity, however, may reflect racial/ethnic variations in social determinants of health, such as socioeconomic status (SES). This study examined the extent to which race/ethnicity was uniquely associated with youths’ positive and negative e-cigarette expectancies, after adjusting for SES and neighborhood disadvantage, and individual, family, and peer risk factors. Methods Analyses included 8,814 Black (15.0%), Latinx (22.8%), and White (62.2%) 12 to 14-year-old participants in the Adolescent Brain Cognitive Development Study. Applying a three-stage analytic approach, hierarchical regression analyses examined associations of positive and negative e-cigarette expectancies with race/ethnicity in three blocks, with age and gender in block 1, adding SES and neighborhood disadvantage in block 2, and individual, family, and peer risk factors in block 3. Results Black and Latinx (relative to White) race/ethnicity and Latinx (relative to Black) race/ethnicity were associated with positive expectancies (p < 0.001) in blocks 1 and 2 but were non-significant in block 3. Black and Latinx (relative to White) race/ethnicity and Latinx (relative to Black) race/ethnicity were associated with lower negative expectancies (p < 0.001) in block 1, but were no longer significant after adding SES and neighborhood indicators in block 2. Perceived risk, perceived peer disapproval, and curiosity about e-cigarettes were associated with positive and negative expectancies. Discussion The results highlight the importance of considering associations of race/ethnicity with e-cigarette expectancies in the context of social determinants and individual and interpersonal factors in e-cigarette prevention.
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 | 0,002 | 0,004 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 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 ».