MétaCan
Menu
Retour à la cohorte
Enregistrement W2795009398 · doi:10.3917/spub.181.0045

Interventions pour l’arrêt du tabac chez les fumeurs de faible niveau socio-économique : synthèse de la littérature

2018· review· fr· W2795009398 sur OpenAlexaboutno aff
Romain Guignard, Viêt Nguyen‐Thanh, Olivier Delmer, Marie-Camille Lenormand, Jean-Marie Blanchoz, Pierre Arwidson

Notice bibliographique

RevueSanté Publique · 2018
Typereview
Languefr
DomaineMedicine
ThématiqueSmoking Behavior and Cessation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: In most western countries, smoking appears to be highly differentiated according to socio-economic level. Two systematic reviews published in 2014 showed that most of the recommended interventions for smoking cessation, particularly individual interventions, tend to increase social inequalities in health. An analysis of the most recent literature was carried out in order to provide policy makers and stakeholders with a set of evidence on the modalities of interventions to encourage and help disadvantaged smokers quit smoking. METHODS: This review was based on articles published between January 2013 and April 2016. Only studies conducted in European countries or countries in stage 4 of the tobacco epidemic (USA, Canada, Australia, New Zealand) were included. Selected articles were double-screened. RESULTS: Twenty-three studies were identified, including evaluation of media campaigns, face-to-face behavioural support, phone- and web-based support or awareness of passive smoking among children. Some interventions adapted to precarious populations have been shown to be effective. CONCLUSIONS: Some characteristics would facilitate access and improve the support of disadvantaged groups, including a local intervention, a proactive approach and co-construction with targeted smokers.

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)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesIntégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,804
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,045
Tête enseignante GPT0,348
Écart entre enseignants0,304 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations13
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSanté PubliqueMême sujetSmoking Behavior and CessationTravaux en français237 207