Tobacco use in India: prevalence and predictors of smoking and chewing in a national cross sectional household survey
Notice bibliographique
Résumé
OBJECTIVE: To estimate the prevalence and the socioeconomic and demographic correlates of tobacco consumption in India. DESIGN: Cross sectional, nationally representative population based household survey. SUBJECTS: 315 598 individuals 15 years or older from 91 196 households were sampled in National Family Health Survey-2 (1998-99). Data on tobacco consumption were elicited from household informants. Measures and methods: Prevalence of current smoking and current chewing of tobacco were used as outcome measures. Simple and two way cross tabulations and multivariate logistic regression analysis were the main analytical methods. RESULTS: Thirty per cent of the population 15 years or older-47% men and 14% of women-either smoked or chewed tobacco, which translates to almost 195 million people-154 million men and 41 million women in India. However, the prevalence may be underestimated by almost 11% and 1.5% for chewing tobacco among men and women, respectively, and by 5% and 0.5% for smoking among men and women, respectively, because of use of household informants. Tobacco consumption was significantly higher in poor, less educated, scheduled castes and scheduled tribe populations. The prevalence of tobacco consumption increased up to the age of 50 years and then levelled or declined. The prevalence of smoking and chewing also varied widely between different states and had a strong association with individual's sociocultural characteristics. CONCLUSION: The findings of the study highlight that an agenda to improve health outcomes among the poor in India must include effective interventions to control tobacco use. Failure to do so would most likely result in doubling the burden of diseases-both communicable and non-communicable-among India's teeming poor. There is a need for periodical surveys using more consistent definitions of tobacco use and eliciting information on different types of tobacco consumed. The study also suggests a need to adjust the prevalence estimates based on household informants.
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 | 0,000 | 0,001 |
| 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 | 0,000 | 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) | 0,001 | 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 ».