Association of anti-smoking legislation with rates of hospital admission for cardiovascular and respiratory conditions
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: Few studies have examined the impact of anti-smoking legislation on respiratory or cardiovascular conditions other than acute myocardial infarction. We studied rates of hospital admission attributable to three cardiovascular conditions (acute myocardial infarction, angina, and stroke) and three respiratory conditions (asthma, chronic obstructive pulmonary disease, and pneumonia or bronchitis) after the implementation of smoking bans. METHODS: We calculated crude rates of admission to hospital in Toronto, Ontario, from January 1996 (three years before the first phase of a smoking ban was implemented) to March 2006 (two years after the last phase was implemented. We used an autoregressive integrated moving-average (ARIMA) model to test for a relation between smoking bans and admission rates. We compared our results with similar data from two Ontario municipalities that did not have smoking bans and with conditions (acute cholecystitis, bowel obstruction and appendicitis) that are not known to be related to second-hand smoke. RESULTS: Crude rates of admission to hospital because of cardiovascular conditions decreased by 39% (95% CI 38%-40%) and admissions because of respiratory conditions decreased by 33% (95% CI 32%-34%) during the ban period affecting restaurant settings. No consistent reductions in these rates were evident after smoking bans affecting other settings. No significant reductions were observed in control cities or for control conditions. INTERPRETATION: Our results serve to expand the list of health outcomes that may be ameliorated by smoking bans. Further research is needed to establish the types of settings in which smoking bans are most effective. Our results lend legitimacy to efforts to further reduce public exposure to tobacco smoke.
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 | 0,002 | 0,002 |
| 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