MétaCan
Menu
Retour à la cohorte
Enregistrement W2130906539 · doi:10.1081/ja-200030563

Are Questions from the Italian National Health Survey Adequate to Measure Prevalence of Smoking Among Teens

2005· article· en· W2130906539 sur OpenAlexaff
Stefania Maggi, Gilat Linn, Stephen A. Marion

Notice bibliographique

RevueSubstance Use & Misuse · 2005
Typearticle
Langueen
DomaineMedicine
ThématiqueSmoking Behavior and Cessation
Établissements canadiensUniversity of British ColumbiaThompson Rivers University
Organismes subventionnairesnon disponible
Mots-clésSmoking prevalenceMedicineDemographyPrevalenceEpidemiologyEnvironmental healthPopulationPathology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Studies on the prevalence of smoking among Italian adolescents have generated inconsistent estimates. Notably, the Italian National Health Survey (INHS) generates relatively lower estimates than estimates reported in other studies. The INHS asks adults and adolescents if they are smokers or nonsmokers. Research has shown that adolescent smoking is unstable compared to that of adults, and that adolescents may acquire their identity as smokers only after smoking becomes more established. We hypothesized that the INHS prevalence estimates of adolescent smoking could be improved by adding questions on smoking behavior. METHODS: During the school year 1993-1994, 471 participants responded to a brief survey on smoking experiences. We compared the prevalence of smoking behavior with the prevalence of smoking identity of participants (mean age = 16.18) who attended five high schools in two Northern Italian cities, Padova and Bergamo. RESULTS: Measures of smoking behavior generated higher prevalence estimates than did measures of identity, particularly among occasional smokers. CONCLUSIONS: The INHS should add behavioral measures of smoking to maximize the accuracy of prevalence estimates.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,020
score de la tête « metaresearch » (Gemma)0,049
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,103

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,049
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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.

Tête enseignante Opus0,120
Tête enseignante GPT0,347
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSubstance Use & MisuseMême sujetSmoking Behavior and CessationTravaux en français237 207