The environmental profile of a community’s health: a cross-sectional study on tobacco marketing in 16 countries
Notice bibliographique
Résumé
OBJECTIVE: To examine and compare tobacco marketing in 16 countries while the Framework Convention on Tobacco Control requires parties to implement a comprehensive ban on such marketing. METHODS: Between 2009 and 2012, a kilometre-long walk was completed by trained investigators in 462 communities across 16 countries to collect data on tobacco marketing. We interviewed community members about their exposure to traditional and non-traditional marketing in the previous six months. To examine differences in marketing between urban and rural communities and between high-, middle- and low-income countries, we used multilevel regression models controlling for potential confounders. FINDINGS: Compared with high-income countries, the number of tobacco advertisements observed was 81 times higher in low-income countries (incidence rate ratio, IRR: 80.98; 95% confidence interval, CI: 4.15-1578.42) and the number of tobacco outlets was 2.5 times higher in both low- and lower-middle-income countries (IRR: 2.58; 95% CI: 1.17-5.67 and IRR: 2.52; CI: 1.23-5.17, respectively). Of the 11,842 interviewees, 1184 (10%) reported seeing at least five types of tobacco marketing. Self-reported exposure to at least one type of traditional marketing was 10 times higher in low-income countries than in high-income countries (odds ratio, OR: 9.77; 95% CI: 1.24-76.77). For almost all measures, marketing exposure was significantly lower in the rural communities than in the urban communities. CONCLUSION: Despite global legislation to limit tobacco marketing, it appears ubiquitous. The frequency and type of tobacco marketing varies on the national level by income group and by community type, appearing to be greatest in low-income countries and urban communities.
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 | 0,004 | 0,001 |
| 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 ».