Smoking in public places in six European countries:Findings from the EUREST-PLUS ITC Europe Survey
Notice bibliographique
Résumé
INTRODUCTION: Surveillance of tobacco consumption in public places is an important measure to evaluate the impact of tobacco control interventions over time. The objective of this study was to estimate the prevalence of smoking as seen by smokers and their smoking behaviour in public places, in six European countries. METHODS: We used baseline data of the International Tobacco Control Six European countries (ITC 6E) Survey, part of the EUREST-PLUS Project, conducted in 2016 in national representative samples of about 1000 adult smokers aged 18 years and older in Germany, Greece, Hungary, Poland, Romania and Spain. For each setting (workplaces, restaurants, bars/pubs and discos) participants were asked whether they had seen someone smoking during their last visit there and whether they too had smoked there. We report the overall and by-country weighted prevalence of seeing someone smoking and the smokers' own smoking behaviour at each setting. We also assess the relationship between seeing someone smoking and smoking themselves at these settings. RESULTS: The prevalence of smoking as seen by smokers was 18.8% at workplaces, with high variability among countries (from 4.7% in Hungary to 40.8% in Greece). Among smokers visiting leisure facilities in the last year, during their last visit 22.7% had seen someone smoking inside restaurants and 12.2% had smoked themselves there, while for bars/pubs the corresponding prevalences were 33.9% and 20.4%, and inside discos 44.8% and 34.8%. CONCLUSIONS: Smoking is still prevalent at leisure facilities, particularly at discos in Europe, with high variability among countries. More extensive awareness campaigns and stricter enforcement are needed to increase the compliance of smoke-free regulations, especially in leisure facilities.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».