論文の概要: Modeling Novel Oral Nicotine Use Among Adolescents
- arxiv url: http://arxiv.org/abs/2511.17570v1
- Date: Fri, 14 Nov 2025 14:07:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-07 19:06:32.288156
- Title: Modeling Novel Oral Nicotine Use Among Adolescents
- Title（参考訳）: 青年期における新規経口ニコチン使用のモデル化
- Authors: Christopher Mitchell, Tracey Barnett, Meredith Newton, Erika Thompson, Melvin Livingston,
- Abstract要約: 高校生の間では、ニコチンポーチの使用は2021年から倍になり、2024年には2.4%が現在の使用を報告している。
2022～2024年のフロリダ・ユース・タバコ調査データを分析し,流行傾向について検討した。
我々は,将来の軌道を計画し,介入戦略を評価するための,段階的構成構成モデルを開発した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Novel oral nicotine products, particularly nicotine pouches, have rapidly gained popularity among adolescents. Among U.S. high school students, nicotine pouch use has doubled since 2021, with 2.4% reporting current use in 2024. We analyzed Florida Youth Tobacco Survey data from 2022-2024 to assess prevalence trends and developed a grade-structured compartmental model to project future trajectories and evaluate intervention strategies. The model accurately captured observed trends across all high school grades and projected continued growth without intervention. We evaluated single and multi-parameter intervention strategies. Single-parameter interventions demonstrated limited effectiveness while multi-parameter strategies showed substantial effects. These findings underscore the need for comprehensive, multi-faceted interventions incorporating prevention education, cessation support, policy enforcement, and peer influence modification. Grade-specific targeting can enhance overall program effectiveness. School-based interventions should be implemented rapidly to address the accelerating epidemic of oral nicotine use among adolescents.
- Abstract（参考訳）: 新規な経口ニコチン製品、特にニコチンポーチは青年期に急速に人気を博している。
高校生の間では、ニコチンポーチの使用は2021年から倍になり、2024年には2.4%が現在の使用を報告している。
2022～2024年のフロリダ・ユース・タバコ調査データを分析し、流行傾向を評価するとともに、将来の軌跡を予測し、介入戦略を評価するためのグレード構造化コンパートメンタル・モデルを開発した。
モデルは,全学年で観察された傾向を正確に把握し,介入せずに成長を続けることを予測した。
単パラメータと多パラメータの介入戦略を評価した。
単一パラメータ介入は有効性に乏しいが, マルチパラメータ戦略は有意な効果を示した。
これらの知見は、予防教育、中止支援、政策執行、相互影響修正を取り入れた包括的多面的介入の必要性を浮き彫りにした。
グレード固有のターゲティングは、全体的なプログラムの有効性を高めることができる。
学校を基盤とした介入は、青年期におけるニコチン経口投与の急激な流行に対処するために迅速に実施されるべきである。
関連論文リスト
- Interpretable Graph-Language Modeling for Detecting Youth Illicit Drug Use [51.696842592898804]
十代の若者や若者(TYA)の間での違法薬物使用は、公衆衛生上の問題となっている。
TYAの違法薬物使用を検出するため、研究者は若者のリスク行動調査(YRBS)や全米薬物使用・健康調査(NSDUH)などの大規模調査を分析した。
既存のモデリング手法は、潜伏構造と相互接続構造を見渡すことで、調査変数を独立に扱う。
LAMIは違法薬物の使用を検知し、TYA間の行動危険因子を解釈するための新しいグラフ言語モデリングフレームワークである。
論文 参考訳（メタデータ） (2025-10-11T17:29:50Z) - Predicting Student Dropout Risk With A Dual-Modal Abrupt Behavioral Changes Approach [11.034576265432168]
Dual-Modal Multiscale Sliding Window (DMSW) モデルは,学術的パフォーマンスと行動データを統合し,最小限のデータを用いて行動パターンをキャプチャする。
DMSWモデルでは従来の手法に比べて予測精度が15%向上し,高リスクの生徒を早期に特定できるようになった。
これらの知見は、ドロップアウト予測における理論と実践のギャップを埋め、教育者は学生の維持と成果を高める革新的なツールとなる。
論文 参考訳（メタデータ） (2025-05-16T11:02:55Z) - Drug-Target Interaction/Affinity Prediction: Deep Learning Models and Advances Review [4.364576564103288]
相互作用予測の課題を克服するために、ディープラーニングモデルが提示されている。
薬物-標的相互作用の予測法を180件分析した。
論文 参考訳（メタデータ） (2025-02-21T10:00:43Z) - Absolute Risk Prediction for Cannabis Use Disorder in Adolescence and Early Adulthood Using Bayesian Machine Learning [0.0]
大麻使用障害(CUD)の新しい絶対リスク予測モデルを開発した。
提案モデルには, 生物学的性, 怠慢, 個性特性, 神経性, 開放性のスコアの5つのリスク因子がある。
論文 参考訳（メタデータ） (2025-01-15T21:17:02Z) - A Novel GAN Approach to Augment Limited Tabular Data for Short-Term Substance Use Prediction [10.490455676403974]
薬物使用者の短期的物質使用行動(PWUD)を正確に予測するための機械学習モデルの有用性が注目されている。
本稿では,米国大平原における258PWUDの縦断調査データを用いて,新しいGANを開発した。
以上の結果から,提案したGANの強化データを用いてトレーニングすると,マリファナ,メス,アンフェタミン,コカインの使用において,Aの13.4%,Bの15.8%の予測性能(AUROC)が向上することが示唆された。
論文 参考訳（メタデータ） (2024-07-17T23:03:24Z) - A Meta-Learning Method for Estimation of Causal Excursion Effects to Assess Time-Varying Moderation [0.0]
DR-W」は、メタラーナーの観点から因果抽出効果を推定するための、柔軟で二重に頑健な推論法である。
提案する推定器の双方向特性を理論的およびシミュレーションにより比較する。
結果は、観察不足や不確実な治療ランダム化確率であっても、一貫した、より効率的な見積もりを示す。
論文 参考訳（メタデータ） (2023-06-28T15:19:33Z) - Leveraging Deep Reinforcement Learning for Metacognitive Interventions
across Intelligent Tutoring Systems [7.253181280137071]
本研究は,知能学習システム(ITS)におけるメタ認知的介入を実現するための2つのアプローチを比較する。
実験1では,古典的な人工知能を用いて,生徒を異なるメタ認知グループに分類し,分類されたグループに基づいて静的な介入を行う。
Exp.2では,Deep Reinforcement Learning(DRL)を利用して,生徒のメタ認知レベルの変化を考慮した適応的介入を行った。
論文 参考訳（メタデータ） (2023-04-17T12:10:50Z) - Zero-shot causal learning [64.9368337542558]
CaMLは因果メタラーニングフレームワークであり、各介入の効果をタスクとしてパーソナライズした予測を定式化する。
トレーニング時に存在しない新規介入のパーソナライズされた効果を予測することができることを示す。
論文 参考訳（メタデータ） (2023-01-28T20:14:11Z) - Drug Synergistic Combinations Predictions via Large-Scale Pre-Training
and Graph Structure Learning [82.93806087715507]
薬物併用療法は、より有効で安全性の低い疾患治療のための確立された戦略である。
ディープラーニングモデルは、シナジスティックな組み合わせを発見する効率的な方法として登場した。
我々のフレームワークは、他のディープラーニングベースの手法と比較して最先端の結果を達成する。
論文 参考訳（メタデータ） (2023-01-14T15:07:43Z) - Dense Feature Memory Augmented Transformers for COVID-19 Vaccination
Search Classification [60.49594822215981]
本稿では,新型コロナウイルスワクチン関連検索クエリの分類モデルを提案する。
本稿では,モデルが対応可能なメモリトークンとして,高密度特徴を考慮した新しい手法を提案する。
この新しいモデリング手法により,Vaccine Search Insights (VSI) タスクを大幅に改善できることを示す。
論文 参考訳（メタデータ） (2022-12-16T13:57:41Z) - Deep learning methods for drug response prediction in cancer:
predominant and emerging trends [50.281853616905416]
がんを研究・治療するための計算予測モデルをエクスプロイトすることは、薬物開発の改善と治療計画のパーソナライズドデザインにおいて大きな可能性を秘めている。
最近の研究の波は、ディープラーニング手法を用いて、薬物治療に対するがん反応を予測するという有望な結果を示している。
このレビューは、この分野の現状をよりよく理解し、主要な課題と将来性のあるソリューションパスを特定します。
論文 参考訳（メタデータ） (2022-11-18T03:26:31Z) - Deep learning for drug repurposing: methods, databases, and applications [54.08583498324774]
新しい治療法のために既存の薬物を再利用することは、実験コストの低減で薬物開発を加速する魅力的な解決策である。
本稿では,薬物再資源化のための深層学習手法とツールの活用に関するガイドラインを紹介する。
論文 参考訳（メタデータ） (2022-02-08T09:42:08Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。