Perceptions about the Health Effects of Passive Smoking among Bangladeshi Young Adults
Notice bibliographique
Résumé
Passive smoking is now firmly established as a significant cause of morbidity and mortality. Assessment of young adults’ perceptions, understanding and knowledge of the health effects of passive smoking may promote educational endeavours to increase awareness of the passive smoking-linked health effects and to facilitate interventions. The study, therefore, assessed the perceptions of young adults in Bangladesh about the health effects of passive smoking. This cross-sectional descriptive study was conducted among 656 young adults in two districts under Dhaka division of Bangladesh. The study used a multistage cluster random sampling approach. Binary logistic regression was used for identifying the predictors of perceptions that passive smoking is harmful. The vast majority of the respondents believed that passive smoking causes illnesses but the knowledge of specific health effects was limited. Most (87.2%) respondents perceived that passive smoking causes ‘some’ or ‘a lot’ of harm to health of both adults and children. However, disparities in perceptions were prevalent across their educational levels. The results of logistic regression analysis showed that, after adjusting other factors, respondents who had nine or more years of education were 6.7 times likelihood of perceiving that passive smoking causes “some” or “lot of harm” compared to those who had no education. The findings suggested that more efforts, including some appropriate measures to address knowledge gaps, are needed to increase better perception about the harmful effects of passive smoking among young adults.
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 | 0,003 | 0,011 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 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 ».