Awareness Of Vaping Health Risks Among High School Students In Medina, Saudi Arabia – A Cross-Sectional Study
Notice bibliographique
Résumé
Background: In recent years, electronic cigarettes have become increasingly widespread among teenagers. These battery-operated devices, commonly referred to as e-cigarettes or vapes, deliver nicotine and/or other chemicals to users in the form of an aerosol. Aim: This study aimed to assess the awareness of vaping health risks among high school students in Medina, Saudi Arabia. Method and design: The study is a descriptive, cross-sectional survey conducted in the Medina region of Saudi Arabia. An online questionnaire was distributed through social media from 19 February to 11 April 2024, targeting high school students. The survey was developed using Microsoft Forms and performed using an Arabic-language online structured questionnaire. The questionnaire included demographic data and inquiries about vaping knowledge, beliefs, and usage. Data were analysed using SPSS software. Descriptive statistics and relations between demographic factors and vaping awareness were assessed using cross tabulation and Chi-square/Fisher's Exact with significance set at P≤0.05. Results: Of the 326 participants aged 15 to 19 years, 83.1% (271 participants) knew/heard about e-cigarettes, with social media being the primary source of information for 64.9% of them. Among those who knew about e-cigarettes, only about 14.4% had tried them. Additionally, most participants who had tried e-cigarettes reported experiencing adverse symptoms, including dizziness and changes in appetite. Conclusion: This study was one of the first to evaluate high school students' awareness of e-cigarettes and vaping in Saudi Arabia. Most participants were aware of the health risks, primarily obtaining information from social media. About a quarter of those who knew about e-cigarettes had tried them, often experiencing negative symptoms like dizziness and appetite changes. The study emphasizes the need for health promotion programs to educate students about the dangers of e-cigarettes and advocates for comprehensive health education campaigns and stricter regulations to reduce future e-cigarette and tobacco use.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 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 ».