A pre-post evaluation of and public support for smoke-free policies at the 2016 Rio Olympics: findings from the ITC Brazil survey, 2012 - 17
Notice bibliographique
Résumé
Background Large-scale international sporting events such as the Olympic Games provide opportunities for hosting nations to promote smoke-free environments. The Olympics have been tobacco-free since 1998, but there have been few studies on the effectiveness of smoke-free Olympic policies. This study evaluated the effectiveness of smoke-free policies at the 2016 Rio Olympics, which were supported by Brazil's 2014 comprehensive smoke-free law, and measured public support for smoke-free Olympic venues. Methods Data were from Waves 2-3 of the ITC Brazil Survey, a cohort survey of approximately 1200 adult smokers and 600 non-smokers in Rio de Janeiro, São Paulo, and Porto Alegre. Wave 2 (2012-13), conducted before the 2014 smoke-free law and 2016 Olympics provided the pre-policy data, and Wave 3 (2016-17) provided the post-policy data. Analyses employed GEE logistic regression models. Results Of 1826 respondents surveyed in 2016-17, 116 (9.9%) smokers and 57 (14.8%) non-smokers attended the Olympics. The vast majority who attended at least one indoor event reported that smoking was banned inside venues (97.5% smokers, 93.0% non-smokers); and noticed no-smoking signs inside venues (82.2% smokers, 73.1% non-smokers). Only 10.7% of smokers and 7.2% of non-smokers noticed people smoking inside venues; 5.8% of smokers said they personally smoked at an indoor venue. Following the 2014 smoking ban and 2016 Olympics, support for the indoor smoking ban in Olympic venues increased among smokers (79.2% to 93.3%, p< .001) and non-smokers (86.4% to 94.1%, p< .001). Conclusions There was strong implementation of and high compliance with Brazil's comprehensive smoking ban at the 2016 Rio Olympics. Smoke-free Olympic venues were widely supported by the public before the Games, and increased after the Games. It would be beneficial for the upcoming 2020 Tokyo Olympics organizers to consult with Rio Olympics organizers to maximize the effectiveness of any efforts to make the Tokyo Olympics smoke-free.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».