English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Plus monthly

Global: Zendy Tools annual

Global: Zendy Tools monthly

Global: Zendy Free Plan

Nous avons mis au point des algorithmes de forêt aléatoire pour prédire le risque que les jeunes Ontariens essaient un jour la cigarette électronique (vapotage) et qu’ils l’utilisent de façon quotidienne, puis nous avons examiné l’importance des prédicteurs et l’interaction statistique. 		  Méthodologie Cette étude transversale repose sur un échantillon représentatif d’élèves du primaire et du secondaire de l’Ontario en 2019 (N = 6471). Nous avons utilisé la fréquence du vapotage au cours des 12 derniers mois pour définir l’essai de vapotage (avoir déjà expérimenté de vapoter) et le vapotage quotidien. Nous avons intégré un vaste ensemble de caractéristiques individuelles comme corrélats possibles de l’essai de vapotage (176 variables) et du vapotage quotidien (179 variables). À l’aide de la validation croisée, nous avons élaboré des algorithmes de forêt aléatoire et nous avons évalué le rendement du modèle selon l’indice de concordance, une mesure qui permet d’évaluer la capacité discriminatoire d’un modèle, et ce, pour les deux résultats. En outre, nous avons défini les 10 corrélats principaux grâce au calcul du score de l’importance relative et leur interaction avec les caractéristiques sociodémographiques. 		  Résultats Dans l’échantillon, 2064 (31,9 %) répondants avaient déjà essayé le vapotage et 490 (7,6 %) des répondants étaient des consommateurs quotidiens. Les algorithmes de forêt aléatoire pour les deux résultats ont fourni une performance élevée, avec un indice de concordance supérieur à 0,90. Les 10 corrélats principaux du vapotage quotidien concernaient la consommation de caféine, de cannabis et de tabac, la source et le type de cigarette électronique et l’absentéisme scolaire au cours des 20 derniers jours. Les corrélats de l’essai de vapotage étaient la taille de l’école, la consommation d’alcool, de cannabis et de tabac et, de plus, 9 des 10 principaux corrélats de l’essai de vapotage affichaient des interactions avec l’ethnicité.  		  	    Conclusion L’apprentissage automatique est une méthodologie prometteuse pour déterminer les risques d’essai de vapotage et de vapotage quotidien. En outre, il permet d’en cerner les corrélats importants et d’évaluer les recoupements complexes, ce qui pourrait être utile pour les futures études longitudinales visant à personnaliser les politiques de santé publique pour certains groupes cibles de population.

promotion de la santé et prévention des maladies chroniques au canada

Une approche d’apprentissage automatique pour prédire l’utilisation des cigarettes électroniques et la dépendance à celles-ci chez les jeunes de l’Ontario