Interventions for waterpipe tobacco smoking prevention and cessation: a systematic review
Notice bibliographique
Résumé
Waterpipe tobacco smoking is growing in popularity despite adverse health effects among users. We systematically reviewed the literature, searching MEDLINE, EMBASE and Web of Science, for interventions targeting prevention and cessation of waterpipe tobacco smoking. We assessed the evidence quality using the Cochrane (randomised studies), GRADE (non-randomised studies) and CASP (qualitative studies) frameworks. Data were synthesised narratively due to heterogeneity. We included four individual-level, five group-level, and six legislative interventions. Of five randomised controlled studies, two showed significantly higher quit rates in intervention groups (bupropion/behavioural support versus placebo in Pakistan; 6 month abstinence relative risk (RR): 2.3, 95% CI 1.4-3.8); group behavioural support versus no intervention in Egypt, 12 month abstinence RR 3.3, 95% CI 1.4-8.9). Non-randomised studies showed mixed results for cessation, behavioural, and knowledge outcomes. One high quality modelling study from Lebanon calculated that a 10% increase in waterpipe tobacco taxation would reduce waterpipe tobacco demand by 14.5% (price elasticity of demand -1.45). In conclusion, there is a lack of evidence of effectiveness for most waterpipe interventions. While few show promising results, higher quality interventions are needed. Meanwhile, tobacco policies should place waterpipe on par with cigarettes.
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) | 0,002 | 0,001 |
| 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 ».