Tobacco use and its determinants in the 2015 Kenya WHO STEPS survey
Notice bibliographique
Résumé
BACKGROUND: According to the World Health Organization (WHO), in 2015, over 1.1 billion people smoked tobacco, which represents around 15% of the global population. In Africa, around one in five adults smoke tobacco. The 2014 Kenya Global Adult Tobacco Survey reported that 2.5 million adults use tobacco products. The objective of our study was to describe patterns and determinants of tobacco use from the 2015 Kenya STEPS survey, including use of "smokeless" tobacco products and the more novel e-cigarettes. METHODS: The WHO STEPwise approach to surveillance (STEPS) was completed in Kenya between April and June 2015. Logistic regression analyses was used to assess factors affecting prevalence and frequency of tobacco use. Sociodemographic variables associated with tobacco use were considered: age, sex, level of education, wealth quintile, and residence. The relationship with alcohol as an intervening risk factor was also assessed. Our main outcomes of interest were current tobacco use, daily tobacco use and use of smokeless tobacco products. RESULTS: Of 4484 respondents, 605 (13.5%) reported being current tobacco users. Most active tobacco users were male (n = 507/605, 83.8%). Three out of four tobacco users (n = 468/605, 77.4%) reported being less than 50 years old, with the average start age being 21 (20.6, 95% CI 19.3-21.8) and the average quit age 27 (27.2, 95% CI 25.8-28.6). Most tobacco users had only ever attended up to primary school (n = 434/605, 71.7%). Men had nearly seven times higher odds of being tobacco users as compared to women (OR 7.63, 95% CI 5.63-10.33). Alcohol use had a positive effect on tobacco use. Finally, less than ten respondents reported having used e-cigarettes. CONCLUSION: The 2015 Kenya WHO STEPS provided primary data on the status of tobacco use in the country and other leading NCD risk factors, such as alcohol, and associated diseases. Our findings highlight key target populations for tobacco cessation efforts: young people, men, those with lower levels of education, and alcohol consumers. Further data is needed on the use of smokeless tobacco, and its impact on smoked tobacco products, as well as on the novel use of e-cigarettes.
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 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 | 0,001 |
| 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 | 0,000 |
| 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».