Outdoor Smoking Ban at a Cancer Center
Notice bibliographique
Résumé
Policies restricting indoor worksite tobacco use began being implemented more than a decade ago. More recently, the scope of these policies has been expanding to outdoors, with hospitals leading the trend in restricting smoking throughout their grounds. However, research on the effects such bans have on employees is scarce. The purpose of the current study was to examine the impact of a campus-wide smoking ban on employees and patients at a cancer center. Employees completed anonymous questionnaires during the months before (n = 607; 12% smokers) and 3 months after the ban implementation (n = 511; 10% smokers). Patients (n = 278; 23% smokers) completed an anonymous questionnaire preban. Results showed that 86% of nonsmokers, 20% of employees who smoke, and 57% of patients who smoke supported the ban. More than 70% of smokers were planning or thinking about quitting at both time points and nearly one-third were interested in cessation services following the ban. Before the ban, 32% expected the ban to have a negative effect on job performance and 41% thought their smoking before and after work would increase. Postban, 22% reported a negative impact on job performance, 35% increased smoking before and after work, and 7% quit. Overall, these data revealed an overwhelming support for an outdoor smoking ban by nonsmoker employees and patients. Although a majority of employee smokers opposed the ban, a significant proportion was interested in cessation. Compared with preban expectations, a lower proportion experienced negative effects postban. Findings suggest a need for worksite cessation programs to capitalize on the window of opportunity created by tobacco bans, while also addressing concerns about effects on work performance.
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 | 0,000 |
| 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 | 0,001 |
| 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 ».