Smoking habits among healthcare professionals in family medicine in Republic of Srpska
Notice bibliographique
Résumé
Introduction. Smoking prevalence among healthcare professionals is high in European countries and the surveys conducted in the past decade have confirmed the existence of this public health problem in the Republic of Srpska (RS) as well. The aim of this study is to investigate smoking habits, as well as the readiness for smoking cessation in family medicine services in RS. Methods. The study was conducted on randomly selected two-stage stratified sample in seven health centers in RS. Results. In family medicine services belonging to seven healthcare centers of RS, there were 22.7% of daily and 8% of occasional smokers. There were significantly higher percentage of smokers among nurses, compared to medical doctors. There were 10.5% of former smokers, mostly found among medical doctors. Approximately a quarter of smokers (25.3%) lit their first cigarette half an hour after waking up. The highest percent of health professionals (61.5%) intended to quit smoking, while more than a quarter (27.1%) were ready to quit smoking in the following 30 days, without any significant difference according to the healthcare professional profile. A small percentage of respondents used professional assistance (3.11%), as well as pharmacotherapeutic approach to the smoking cessation process (3.9%). Approximately one quarter of healthcare professionals (24.6%) were willing to participate in smoking cessation programs, but more than two-thirds of respondents needed additional motivation for it. Conclusion. This study has shown that more than a fifth of healthcare professionals in family medicine are daily smokers, and every one in ten individuals is a former smoker. Although half of healthcare professionals intend to quit smoking, it is a source of concern that the majority of respondents are reluctant to start the process of smoking cessation.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».