Tobacco and nicotine product use patterns and trends among United States youth and young adults (2021–2024)
Notice bibliographique
Résumé
Objective: To examine patterns of tobacco and nicotine product use, identify changes in usage trends, and determine the frequency of use across exclusive, dual, and polyuse patterns and the influence of sociodemographic variables among United States youth and young adults. Methods: Data were collected from a repeated, cross-sectional survey of United States young people (aged 15-24 years) from 2021 to 2024. Joinpoint regression was used to determine quarter-year percentage change in usage trends. Chi-square tests and multinomial logistic regression were applied to 2024 data to assess associations with sociodemographic variables. Results: The most common usage pattern was dual use of e-cigarettes and combustible tobacco products. Quarter-year percentage change for dual use of e-cigarettes and oral nicotine pouches increased by 14.75 % from Quarter 3 2023 to Quarter 3 2024. Quarter-year percentage change for polyuse of e-cigarettes, combustible tobacco products, and oral nicotine pouches increased by 6.82 % from Quarter 3 2022 to Quarter 3 2024. Use patterns varied by age, gender identity, race and ethnicity, and perceived financial status. Conclusions: Results indicate significant changes in dual and polyuse of tobacco and nicotine products. These shifts underscore the importance of ongoing surveillance and targeted interventions to mitigate health risks and reduce the burdens of nicotine addiction in this vulnerable population.
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 ».