The impact of neighbourhood violence and social cohesion on smoking behaviours among a cohort of smokers in Mexico
Notice bibliographique
Résumé
BACKGROUND: Recent increases in violent crime may impact a variety of health outcomes in Mexico. We examined relationships between neighbourhood-level violence and smoking behaviours in a cohort of Mexican smokers from 2011 to 2012, and whether neighbourhood-level social cohesion modified these relationships. METHODS: Data were analysed from adult smokers and recent ex-smokers who participated in waves 5 and 6 of the International Tobacco Control Mexico survey. Self-reported neighbourhood violence and social cohesion were asked of wave 6 survey participants (n=2129 current and former smokers, n=150 neighbourhoods). Neighbourhood-level averages for violence and social cohesion (ranges 4-14 and 10-25, respectively) were assigned to individuals. We used generalised estimating equations to determine associations between neighbourhood indicators and individual-level smoking intensity, quit behaviours and relapse. RESULTS: Higher neighbourhood violence was associated with higher smoking intensity (risk ratio (RR)=1.17, 95% CI 1.02 to 1.33), and fewer quit attempts (RR=0.72, 95% CI 0.61 to 0.85). Neighbourhood violence was not associated with successful quitting or relapse. Higher neighbourhood social cohesion was associated with more quit attempts and more successful quitting. Neighbourhood social cohesion modified the association between neighbourhood violence and smoking intensity: in neighbourhoods with higher social cohesion, as violence increased, smoking intensity decreased and in neighbourhoods with lower social cohesion, as violence increased, so did smoking intensity. CONCLUSIONS: In the context of recent increased violence in Mexico, smokers living in neighbourhoods with more violence may smoke more cigarettes per day and make fewer quit attempts than their counterparts in less violent neighbourhoods. Neighbourhood social cohesion may buffer the impact of violence on smoking intensity.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».