MétaCan
Menu
Retour à la cohorte
Enregistrement W2029615459 · doi:10.2471/blt.10.079905

Gender empowerment and female-to-male smoking prevalence ratios

2011· article· en· W2029615459 sur OpenAlexafffund
Sara C Hitchman, Geoffrey T. Fong

Notice bibliographique

RevueBulletin of the World Health Organization · 2011
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDemographic Trends and Gender Preferences
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesOntario Institute for Cancer Research
Mots-clésEmpowermentPer capitaDemographyTobacco controlHuman Development IndexGini coefficientGross national incomeBivariate analysisInequalityMedicineDeveloping countryPublic healthHuman development (humanity)Economic inequalityPopulationEconomic growthEconomicsStatisticsMathematicsSociology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To determine whether in countries with high gender empowerment the female-to-male smoking prevalence ratio is also higher. METHODS: Bivariate and multiple regression analyses were performed to explore the relation between the United Nations Development Programme's gender empowerment measure (GEM) and the female-to-male smoking prevalence ratio (calculated from the 2008 WHO global tobacco control report). Because a country's progression through the various stages of the tobacco epidemic and its gender smoking ratio (GSR) are thought to be influenced by its level of development, we explored this correlation as well, with economic development defined in terms of gross national income (GNI) per capita and income inequality (Gini coefficient). FINDINGS: The GSR was significantly and positively correlated with the GEM (r=0.680; P<0.001). In addition, the GEM was the strongest predictor of the GSR (β, adjusted: 0.47; P<0.0001) after controlling for GNI per capita and for Gini coefficient. CONCLUSION: Whether progress towards gender empowerment can take place without a corresponding increase in smoking among women remains to be seen. Strong tobacco control measures are needed in countries where women are being increasingly empowered.

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)0,004
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,301
Écart entre enseignants0,251 · 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
GenreEmpirique

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

En bref

Citations288
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBulletin of the World Health OrganizationMême sujetDemographic Trends and Gender PreferencesTravaux en français237 207