Are Canadian hospitals leading by example to promote smoke-free hospital properties? Rationale, challenges and opportunities
Notice bibliographique
Résumé
Knowing the devastation of tobacco use and the evidence to support proven tobacco reduction approaches, such as smoke-free hospital property policies, are Canadian hospitals doing all they can to lead by example? This paper explores the background and diverse views on smoke-free hospital properties to illuminate the rationale, challenges and opportunities of this important healthcare initiative. Currently, some hospitals in Canada have transitioned to smoke-free properties; however, many still allow smoking in designated areas or do not have any policies in place. Fear, speculation and reservations around compliance, leadership, negative perceptions, safety and patient care are some of the reasons that appear to be stalling progress in many healthcare facilities; nevertheless, the evidence supporting the implementation of comprehensive smoke-free hospital property policies far outweighs the concerns. Key considerations for successful policy implementation include: leadership and enforcement; systematic tobacco dependence treatment; and elimination of designated smoking areas (DSA’s) and policy exclusions. Hospitals are ideal institutions to continue the downward trend in tobacco use prevalence. Through smoke-free property policies, Canadian hospitals can make a significant impact and lead by example in their communities by creating opportunities to promote healthy choices, protecting individuals from exposure to environmental tobacco smoke (ETS), supporting those who are trying to quit or who have quit smoking and by sending a clear message that smoking and exposure to tobacco smoke is harmful. As witnessed though the learnings of leading hospitals, transitioning to a smoke-free hospital property is achievable.
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 | 0,000 | 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 ».