MétaCan
Menu
Retour à la cohorte
Enregistrement W1968449972 · doi:10.2105/ajph.93.10.1616

IMMIGRANT STATUS AND SMOKING

2003· letter· en· W1968449972 sur OpenAlexaboutno aff
William J. McCarthy, Hozefa A. Divan, Dipanwita B. Shah

Notice bibliographique

RevueAmerican Journal of Public Health · 2003
Typeletter
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensnon disponible
Organismes subventionnairesChina National Tobacco CorporationTobacco-Related Disease Research Program
Mots-clésEnvironmental healthImmigrationMedicineGerontologyDemographyGeographySociology

Résumé

récupéré en direct d'OpenAlex

We feel that Baluja and her coauthors1 missed an opportunity to address a paradox. Rates of smoking among male Chinese American youths are remarkably low,2 yet smoking rates among Chinese males living in China are said to exceed 60%.3 Baluja and associates reported the smoking prevalence rate for Chinese American immigrant males to be around 13%, which was well below the corresponding US male smoking prevalence rate of 24%.1 From these results, we infer that selection pressures involved in the immigration of Chinese to the United States favor Chinese who do not smoke. Indeed, immigrants generally exhibit healthier lifestyle practices and experience lower mortality rates than demographically similar US natives.4 We also feel that the authors could have been more proactive in warning readers about 2 additional limitations of their data. First, no questions were asked about tobacco products rarely used by Americans but commonly used overseas, such as bidis or paan. The low rates of smoking reported for US immigrants from India compared with US immigrants from other Asian countries might lead the naive reader to assume that overall tobacco use among immigrant Indians was low. Such an inference may be incorrect. Recent worldwide comparisons suggested that Indian women had the highest world incidence of oral cancer, attributable to their habit of chewing betel nut mixed with tobacco.5 Babu estimated that 90% of oral cancers in India were tobacco-related.6 In fact, estimates for 20007 suggested that oral cancers were the most important cause of cancer death in Indian males and the no. 2 cause of non–reproductive organ cancer death in Indian females. Comparisons between countries in use of just 1 tobacco product may hence suggest misleadingly low rates of overall tobacco use for some countries and their emigrants. A second additional limitation of the data was the implicit assumption that “country of origin” was a highly sensitive way to capture US immigrants of Asian national origin. In fact, US immigration quotas compelled many would-be immigrants to sojourn in Canada, Mexico, or Europe before migrating to the United States. Historic diasporas, such as the emigration of Indian nationals to British commonwealth countries, have also contributed to 2-step migrations to the United States. It is likely, then, that some US immigrants of Indian national origin were not counted in the results reported by Baluja and her associates because they listed a country other than India as their most recent country of origin.

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)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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 Opus0,044
Tête enseignante GPT0,349
Écart entre enseignants0,305 · 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'étudeObservationnel
Domainenon disponible
GenreCommentaire

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

En bref

Citations7
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Public HealthMême sujetMigration, Health and TraumaTravaux en français237 207