Exposure to smoking on patios and quitting: a population representative longitudinal cohort study
Notice bibliographique
Résumé
OBJECTIVES: Smoke-free policies not only reduce harm to non-smokers, they may also reduce harm to smokers by decreasing the number of cigarettes smoked and increasing the likelihood of a successful quit attempt. However, little is known about the impact of exposure to smoking on patios on smoking behaviour. DESIGN AND PARTICIPANTS: Smokers from the Ontario Tobacco Survey, a longitudinal population representative cohort of smokers (2005-2011). There were 3460 current smokers who had completed one to six follow-ups and were asked at each follow-up whether or not they had been exposed to smoking on patios in the month. MAIN OUTCOME MEASURES: Generalised estimating equations and survival analysis were used to examine the association between exposure to patio smoking and smoking behaviour changes (making a quit attempt and time to relapse after a quit attempt), controlling for potential confounders. RESULTS: Smokers who were exposed to smoking on patios (adjusted incident rate ratio (aIRR) = 0.89; 95% CI 0.81 to 0.97) or had been to a patio (aIRR = 0.86; 95% CI 0.74 to 0.99) were less likely to have made a quit attempt than smokers who had not visited a patio. Smokers who were exposed to smoking on patios were more likely to relapse (adjusted HR=2.40; 95% CI 1.07 to 5.40)) after making a quit attempt than those who visited a patio but were not exposed to smoking. CONCLUSIONS: Exposure to smoking on patios of a bar or restaurant is associated with a lower likelihood of success in a quit attempt. Instituting smoke-free patio regulations may help smokers avoid relapse after quitting.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».