Methods of the International Tobacco Control (ITC) EUREST-PLUS ITC Europe Surveys
Notice bibliographique
Résumé
BACKGROUND: The EUREST-PLUS ITC Europe surveys aim to evaluate the impact of the European Union's Tobacco Products Directive (EU TPD) implementation within the context of the WHO FCTC. This article describes the methodology of the 2016 (Wave 1) and 2018 (Wave 2) International Tobacco Control 6 European (6E) Country Survey in Germany, Greece, Hungary, Poland, Romania and Spain; the England arm of the 2016 (Wave 1) and 2018 (Wave 2) ITC 4 Country Smoking and Vaping (4CV) Survey; and the 2016 (Wave 10) and 2017 (Wave 11) ITC Netherlands (NL) Survey. All three ITC surveys covering a total of eight countries are prospective cohort studies with nationally representative samples of smokers. METHODS: In the three surveys across the eight countries, the recruited respondents were cigarette smokers who smoked at least monthly, and were aged 18 and older. At each survey wave, eligible cohort members from the previous waves were retained, regardless of smoking status, and dropouts were replaced by a replenishment sample. RESULTS: Retention rates between the two waves of the ITC 6E Survey by country were 70.5% for Germany, 41.3% for Greece, 35.7% for Hungary, 45.6% for Poland, 54.4% for Romania and 71.3% for Spain. The retention rate for England between ITC 4CV1 and ITC 4CV2 was 39.1%; the retention rates for the ITC Netherlands Survey were 76.6% at Wave 10 (2016) and 80.9% at Wave 11 (2017). CONCLUSION: The ITC sampling design and data collection methods in these three ITC surveys allow analyses to examine prospectively the impact of policy environment changes on the use of cigarettes and other tobacco products in each country, to make comparisons across the eight countries.
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 | 0,021 | 0,003 |
| 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 | 0,001 |
| 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 ».