Evaluation of smoke-free policies in seven cities in China, 2007-2012
Notice bibliographique
Résumé
BACKGROUND: China is the world's largest consumer of tobacco, with hundreds of millions of people exposed daily to secondhand smoke (SHS). Comprehensive smoke-free policies are the only effective way to protect the population from the harms of SHS. China does not have a comprehensive national smoke-free law but some local-level regulations have been implemented. OBJECTIVE: To evaluate local level smoke-free regulations across 7 cities in China by measuring the prevalence of smoking in public places (workplaces, restaurants and bars), and support for smoke-free policies over time. METHODS: Data were from Waves 2 to 4 of the International Tobacco Control (ITC) China Survey (2007-2012), a face-to-face cohort survey of approximately 800 smokers in each of 7 cities in mainland China. Multivariate logistic regression models estimated with generalised estimating equations were used to test the changes in variables over time. RESULTS: As of 2012, over three-quarters of respondents were exposed to smoking in bars; more than two-thirds were exposed to smoking in restaurants and more than half were exposed to smoking in indoor workplaces. Small decreases in the prevalence of smoking were found overall from Waves 2 to 4 for indoor workplaces, restaurants and bars, although the decline was minimal for bars. Support for complete smoking bans increased over time for each venue, although it was lowest for bars. CONCLUSIONS: Existing partial smoking bans across China have had minimal impact on reducing smoking in public places. A strongly enforced, comprehensive national smoke-free law is urgently needed in order to achieve greater public health gains.
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 | 0,002 | 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 ».