Predictors of car smoking rules among smokers in France, Germany and the Netherlands
Notice bibliographique
Résumé
BACKGROUND: As exposure to tobacco smoke pollution (TSP) has been identified as a cause of premature death and disease in non-smokers, and studies have demonstrated that smoking in cars produces high levels of TSP, this study will investigate smokers' rules for smoking in their cars, and predictors of car smoking rules, including potentially modifiable correlates. METHODS: Data were drawn from nationally representative samples of current smokers from the International Tobacco Control Policy Evaluation Project surveys in France (2007), Germany (2007), and the Netherlands (2008). Smokers in France and Germany were asked about smoking rules in their cars, and smokers in the Netherlands were asked about smoking rules in cars carrying children. RESULTS: In France and Germany, 59% and 52% of smokers respectively, allowed smoking in their cars. In the Netherlands, 36% of smokers allowed smoking in cars carrying children. Predictors of allowing smoking in cars included: being a daily vs. non-daily smoker, being younger vs. older age, having no (young) children in the home, being a heavier smoker, and allowing smoking in the home. In the Netherlands, smokers who agreed that TSP is dangerous to non-smokers were less likely to allow smoking in cars carrying children. CONCLUSION: Overall, a sizeable proportion of smokers allowed smoking in their cars across the three countries. Media campaigns with information about the dangers of TSP may increase the adoption of smoke-free cars. These media campaigns could target smokers who are most likely to allow smoking in cars.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».