MétaCan
Menu
← Retour à la cohorte
Enregistrement W2995155036 · doi:10.1136/bmjopen-2019-031891

Secondhand smoke exposure and support for smoke-free policies in cities and rural areas of China from 2009 to 2015: a population-based cohort study (the ITC China Survey)

2019· article· en· W2995155036 sur OpenAlexafffund
Genevieve Sansone, Geoffrey T. Fong, Mi Yan, Gang Meng, Lorraine Craig, Steve S. Xu, Anne C K Quah, Changbao Wu, Guoze Feng, Yuan Jiang

Notice bibliographique

RevueBMJ Open · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueSmoking Behavior and Cessation
Établissements canadiensOntario Institute for Cancer ResearchUniversity of Waterloo
Organismes subventionnairesCanadian Cancer Society Research InstituteUniversity of WaterlooCanadian Institutes of Health ResearchCenters for Disease Control and PreventionChinese Center for Disease Control and PreventionNational Cancer InstituteOntario Institute for Cancer Research
Mots-clésBeijingTobacco controlMedicineChinaEnvironmental healthLogistic regressionCohortSmokePopulationRural areaSmoking prevalenceDemographyPublic healthSocioeconomicsGeography

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To examine trends in smoking prevalence in key venues (workplaces, restaurants, bars) and in public support for comprehensive smoke-free laws, with comparisons between cities and rural areas in China. DESIGN: Data are from Waves 3-5 (2009-2015) of the International Tobacco Control (ITC) China Survey, a cohort survey of smokers and non-smokers. Logistic regression analyses employing generalised estimating equations assessed changes in smoking prevalence and support for smoke-free laws over time; specific tests assessed whether partial smoking bans implemented in three cities between Waves 3 and 4 had greater impact. SETTING: Face-to-face surveys were conducted in seven cities (Beijing, Changsha, Guangzhou, Kunming, Shanghai, Shenyang and Yinchuan) and five rural areas (Changzhi, Huzhou, Tongren, Yichun and Xining). PARTICIPANTS: In each survey location at each wave, a representative sample of approximately 800 smokers and 200 non-smokers (aged 18+) were selected using a multistage cluster sampling design. MAIN OUTCOME MEASURES: Prevalence of smoking (whether respondents noticed smoking inside restaurants, bars and workplaces); smoking rules inside these venues; and support for complete smoking bans in these venues. RESULTS: Although smoking prevalence decreased and support increased over time, neither trend was greater in cities that implemented partial smoke-free laws. Smoking was higher in rural than urban workplaces (62% vs 44%, p<0.01), but was equally high in all restaurants and bars. There were generally no differences in secondhand smoke (SHS) exposure between smokers and non-smokers except in rural workplaces (74% vs 58%, p<0.05). Support for comprehensive bans was equally high across locations. CONCLUSIONS: Partial laws have had no effect on reducing SHS in China. There is an urgent need for comprehensive smoke-free laws to protect the public from exposure to deadly tobacco smoke in both urban and rural areas. The high support among Chinese smokers for such a law demonstrates that public support is not a barrier for action.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,101
Score d'incertitude au seuil0,200

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,376
Écart entre enseignants0,323 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMJ Open→Même sujetSmoking Behavior and Cessation→Travaux en français237 207→