Tobacco Use: A Major Risk Factor for Non Communicable Diseases in South-East Asia Region
Notice bibliographique
Résumé
Tobacco use is a serious public health problem in the South East Asia Region where use of both smoking and smokeless form of tobacco is widely prevalent. The region has almost one quarter of the global population and about one quarter of all smokers in the world. Smoking among men is high in the Region and women usually take to chewing tobacco. The prevalence across countries varies significantly with smoking among adult men ranges from 24.3% (India) to 63.1% (Indonesia) and among adult women from 0.4% (Sri Lanka) to 15% (Myanmar and Nepal). The prevalence of smokeless tobacco use among men varies from 1.3% (Thailand) to 31.8% (Myanmar), while for women it is from 4.6% (Nepal) to 27.9% (Bangladesh). About 55% of total deaths are due to Non communicable diseases (NCDs) with 53.4% among females with highest in Maldives (79.4%) and low in Timor-Leste (34.4%). Premature mortality due to NCDs in young age is high in the region with 60.7% deaths in Timor Leste and 60.6% deaths in Bangladesh occurring below the age of 70 years. Age standardized death rate per 100,000 populations due to NCDs ranges from 793 (Bhutan) and 612 (Maldives) among males and 654 (Bhutan) and 461 (Sri Lanka) among females respectively. Out of 5.1 millions tobacco attributable deaths in the world, more than 1 million are in South East Asia Region (SEAR) countries. Reducing tobacco use is one of the best buys along with harmful use of alcohol, salt reduction and promotion of physical activity for preventing NCDs. Integrating tobacco control with broader population services in the health system framework is crucial to achieve control of NCDs and sustain development in SEAR countries.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».