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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».