Socio-economic and demographics determinants of tobacco use in Kenya: findings from the kenya demographic and health survey 2014
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: Every year, more than 6,000 Kenyans die of tobacco related diseases (79 men and 37 women die per week), while more than 220,000 children and more than 2,737,000 adults continue to use tobacco each day. Some suggest that these numbers will rise without concerted efforts to strengthen the implementation of tobacco control measures. To date, there remains much to be learned about what contributes to tobacco consumption in Kenya. This study analyses the socio-economic and demographic determinants of tobacco use in Kenya. METHODS: To analyze the determinants of tobacco use in Kenya, this study uses the 2014 Kenya Demographic and Health Survey. A logistic regression is used to estimate the probability of an individual smoking, given a set of socio-economic and demographic characteristics. RESULTS: Results suggest that the overall smoking and smokeless prevalence rate is 17.3% and 3.10% respectively among men. Women have low rates with smoking and smokeless prevalence standing at 0.18% and 0.93% respectively. However, for both genders, tobacco use is influenced by age, marital status, residence, region, educational status and gender. CONCLUSION: Socio-economic, demographic and geographic disparities on tobacco use should be explored in order to ensure prudent allocation of resources used for tobacco control initiatives. Allocation of resources for tobacco control including monitoring advertisements, sales to underage persons and general distribution of human resource for tobacco control should be based on socio-economic and demographic dynamics.
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.
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 | 0,000 |
| 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) | 0,000 | 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 découle