MétaCan
Menu
Retour à la cohorte
Enregistrement W7113905752 · doi:10.2196/79674

Youth and Young Adults’ Perspectives on Augmented Reality–Driven Vaping Cessation Interventions: Interpretive Description Study

2025· article· en· W7113905752 sur OpenAlexaff

Notice bibliographique

RevueJMIR XR and spatial computing. · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Retail Behavior Studies
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversity of British ColumbiaOkanagan University College
Organismes subventionnairesnon disponible
Mots-clésThematic analysisIntervention (counseling)ReflexivityPhoto elicitationQualitative researchContext (archaeology)Public healthFocus groupSmoking cessation

Résumé

récupéré en direct d'OpenAlex

Background: Vaping among youth and young adults has become a significant public health issue, with increasing prevalence and associated health risks. Despite awareness of these risks, many youth and young adults struggle to quit due to complex social pressures, stress, and a lack of tailored interventions. Digital tools, including augmented reality (AR), offer an opportunity to address these challenges by creating engaging and personalized support systems. Objective: The aim of this study was to determine what can be learned from youth and young adult vapers who are motivated to quit vaping to inform the design of mobile app-based AR intervention strategies. Methods: This qualitative study applied an interpretive description (ID) approach to explore youth and young adults' perspectives on vaping cessation and their preferences for digital intervention features. Semistructured interviews were conducted with participants (N=12) who shared their experiences with vaping, quitting attempts, and ideas for app-based AR support. Reflexive thematic analysis and ID were used to code the data and identify patterns, resulting in the generation of themes that reflected the individualized and contextual nature of vaping cessation. Results: The findings collectively yielded four major themes: (1) social and cultural context play a role in youth and young adults' experiences of cessation, (2) quitting vaping is an individual endeavor that does not always mean success, (3) digital support as a bridge between individual and social needs, and (4) AR as a catalyst for personalized support. These themes address the motivations, challenges, and opportunities identified by participants in their cessation journeys, as well as their perspectives on integrating AR technology as a supportive tool. Our findings reveal that vaping cessation is a deeply personal process influenced by internal motivations (eg, health improvement and personal milestones) and external factors (eg, social context). Participants identified AR as a promising app-based tool for cessation support, with interest in potential AR-integrated features such as gamified rewards, health visualizations, and anonymous support. Youth and young adults emphasized the need for sensitive design to avoid negative or punitive content. Conclusions: This study provides actionable insights for designing youth and young adult-centered digital health tools that leverage app-based AR to support vaping cessation. By addressing the unique sociocultural and behavioral needs of youth and young adults, app-based AR interventions can bridge gaps in traditional cessation strategies. These findings contribute to the development of innovative public health approaches aimed at reducing vaping prevalence in vulnerable populations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0050,005
Communication savante0,0040,003
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,306
Écart entre enseignants0,270 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR XR and spatial computing.Même sujetConsumer Retail Behavior StudiesTravaux en français237 207