Impact and Effectiveness of Legislative Smoking Bans and Anti-Tobacco Media Campaigns in Reducing Smoking among Women in the US: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Background: The purpose of this study is to systematically review the literature addressing the effectiveness of legislative smoking bans and anti-tobacco media campaigns in reducing smoking among women. Methods: MEDLINE, PubMed, CINAHL, and ABI/INFORM were searched for studies published from 2005 onwards. Meta-analysis was conducted using a random effects model and subgroup analysis on pre-selected characteristics. Results: In total, 652 articles were identified, and five studies satisfied the inclusion criteria. The studies varied from school-based to workplace settings and had a total of 800,573 women participants, aged 12 to 64 years old. Three studies used legislative bans, one study used anti-tobacco campaigns and another one used both as their intervention. The overall pooled effect of the five studies yielded an odds ratio (OR) = 1.137 (C.I. = 0.976–1.298 and I2 = 85.6%). Subgroup analysis by intervention revealed a significant pooled estimate for studies using legislative smoking bans OR = 1.280 (C.I. = 1.172–1.389 and I2 = 0%). Conclusion: Legislative smoking bans were found to be associated with a reduction in the smoking rates among women compared to anti-tobacco media campaigns. Further research in this area is needed.
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 | 0,015 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,027 |
| Bibliométrie | 0,009 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| 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 ».