Mind the Gap: Disparities in Cigarette Smoking in Canada
Notice bibliographique
Résumé
OBJECTIVES: The Government of Canada has proposed an 'endgame' target for cigarette smoking that aims to reduce prevalence below 5% by 2035. To meet this difficult goal, it will be necessary to identify populations where interventions will (1) have the greatest impact in reducing the number of smokers and (2) have the greatest impact in addressing smoking disparities. METHODS: Using data from the Canadian Community Health Survey, smoking prevalence was estimated for populations that differed with respect to demographic, substance use, and mental health factors. Risk difference, relative risk, and attributable disparity number, which describes the magnitude of the potential impact if the disparity were addressed, were calculated for each group. RESULTS: The strongest disparities (relative risk ⩾ 2) were associated with immigration status (for women), substance use, marital status, and lifetime experience of mental health or substance use disorders. The smallest disparities (relative risk ⩽ 1.5) were associated with sexual orientation, household income, immigration status (men), and province of residence. The groups with the largest attributable disparity number were among those who used cannabis, and those who were not immigrants, not married, and white. CONCLUSIONS: Disparities which were both strong and had a large potential impact on prevalence overall were found for populations facing mental health and substance use concerns. Differences in rankings were found depending on the scale of the measure. Addressing disparities in smoking rates is an important component of developing tobacco endgame strategies.
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 | 0,000 | 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 | 0,000 |
| 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 ».