MétaCan
Menu
Retour à la cohorte
Enregistrement W2599234343 · doi:10.1136/bmjopen-2016-013817

Tobacco control environment: cross-sectional survey of policy implementation, social unacceptability, knowledge of tobacco health harms and relationship to quit ratio in 17 low-income, middle-income and high-income countries

2017· article· en· W2599234343 sur OpenAlexafffund
Clara K Chow, Daniel J. Corsi, Anna Gilmore, Annamarie Kruger, Ehimario Igumbor, Jephat Chifamba, Yang Wang, Wei Li, Romaina Iqbal, Prem Mony, Rajeev Gupta, Krishnapillai Vijayakumar, Viswanathan Mohan, Rajesh Kumar, Omar Rahman, Khalid Yusoff, Noor Hassim Ismail, Katarzyna Zatońska, Yüksel Altuntaş, Annika Rosengren, Ahmad Bahonar, Afzalhussein Yusufali, Gilles R. Dagenais, Scott A. Lear, Rafael Díaz, Álvaro Avezum, Patricio López‐Jaramillo, Fernando Laņas, Sumathy Rangarajan, Koon Teo, Martin McKee, Salim Yusuf

Notice bibliographique

RevueBMJ Open · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueSmoking Behavior and Cessation
Établissements canadiensSimon Fraser UniversityInstitut universitaire de cardiologie et de pneumologie de QuébecOttawa HospitalPopulation Health Research Institute
Organismes subventionnairesMedical Research CouncilBritish Heart FoundationCancer Research UKMcMaster UniversityCanadian Institutes of Health ResearchEconomic and Social Research CouncilHamilton Health Sciences
Mots-clésMedicineTobacco controlCross-sectional studyEnvironmental healthLow and middle income countriesPublic healthTobacco useControl (management)Survey data collectionDeveloping countryEconomic growthNursing

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: This study examines in a cross-sectional study 'the tobacco control environment' including tobacco policy implementation and its association with quit ratio. SETTING: 545 communities from 17 high-income, upper-middle, low-middle and low-income countries (HIC, UMIC, LMIC, LIC) involved in the Environmental Profile of a Community's Health (EPOCH) study from 2009 to 2014. PARTICIPANTS: Community audits and surveys of adults (35-70 years, n=12 953). PRIMARY AND SECONDARY OUTCOME MEASURES: Summary scores of tobacco policy implementation (cost and availability of cigarettes, tobacco advertising, antismoking signage), social unacceptability and knowledge were associated with quit ratios (former vs ever smokers) using multilevel logistic regression models. RESULTS: Average tobacco control policy score was greater in communities from HIC. Overall 56.1% (306/545) of communities had >2 outlets selling cigarettes and in 28.6% (154/539) there was access to cheap cigarettes (<5cents/cigarette) (3.2% (3/93) in HIC, 0% UMIC, 52.6% (90/171) LMIC and 40.4% (61/151) in LIC). Effective bans (no tobacco advertisements) were in 63.0% (341/541) of communities (81.7% HIC, 52.8% UMIC, 65.1% LMIC and 57.6% LIC). In 70.4% (379/538) of communities, >80% of participants disapproved youth smoking (95.7% HIC, 57.6% UMIC, 76.3% LMIC and 58.9% LIC). The average knowledge score was >80% in 48.4% of communities (94.6% HIC, 53.6% UMIC, 31.8% LMIC and 35.1% LIC). Summary scores of policy implementation, social unacceptability and knowledge were positively and significantly associated with quit ratio and the associations varied by gender, for example, communities in the highest quintile of the combined scores had 5.0 times the quit ratio in men (Odds ratio (OR) 5·0, 95% CI 3.4 to 7.4) and 4.1 times the quit ratio in women (OR 4.1, 95% CI 2.4 to 7.1). CONCLUSIONS: This study suggests that more focus is needed on ensuring the tobacco control policy is actually implemented, particularly in LMICs. The gender-related differences in associations of policy, social unacceptability and knowledge suggest that different strategies to promoting quitting may need to be implemented in men compared to women.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,986

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,114
Tête enseignante GPT0,463
Écart entre enseignants0,349 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations83
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMJ OpenMême sujetSmoking Behavior and CessationTravaux en français237 207