A Nationally Representative Case–Control Study of Smoking and Death in India
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The nationwide effects of smoking on mortality in India have not been assessed reliably. METHODS: In a nationally representative sample of 1.1 million homes, we compared the prevalence of smoking among 33,000 deceased women and 41,000 deceased men (case subjects) with the prevalence of smoking among 35,000 living women and 43,000 living men (unmatched control subjects). Mortality risk ratios comparing smokers with nonsmokers were adjusted for age, educational level, and use of alcohol. RESULTS: About 5% of female control subjects and 37% of male control subjects between the ages of 30 and 69 years were smokers. In this age group, smoking was associated with an increased risk of death from any medical cause among both women (risk ratio, 2.0; 99% confidence interval [CI], 1.8 to 2.3) and men (risk ratio, 1.7; 99% CI, 1.6 to 1.8). Daily smoking of even a small amount of tobacco was associated with increased mortality. Excess deaths among smokers, as compared with nonsmokers, were chiefly from tuberculosis among both women (risk ratio, 3.0; 99% CI, 2.4 to 3.9) and men (risk ratio, 2.3; 99% CI, 2.1 to 2.6) and from respiratory, vascular, or neoplastic disease. Smoking was associated with a reduction in median survival of 8 years for women (99% CI, 5 to 11) and 6 years for men (99% CI, 5 to 7). If these associations are mainly causal, smoking in persons between the ages of 30 and 69 years is responsible for about 1 in 20 deaths of women and 1 in 5 deaths of men. In 2010, smoking will cause about 930,000 adult deaths in India; of the dead, about 70% (90,000 women and 580,000 men) will be between the ages of 30 and 69 years. Because of population growth, the absolute number of deaths in this age group is rising by about 3% per year. CONCLUSIONS: Smoking causes a large and growing number of premature deaths in India.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle