Who Smokes in Europe? Data From 12 European Countries in the TackSHS Survey (2017–2018)
Notice bibliographique
Résumé
BACKGROUND: Population data on tobacco use and its determinants require continuous monitoring and careful inter-country comparison. We aimed to provide the most up-to-date estimates on tobacco smoking from a large cross-sectional survey, conducted in selected European countries. METHODS: Within the TackSHS Project, a face-to-face survey on smoking was conducted in 2017-2018 in 12 countries: Bulgaria, England, France, Germany, Greece, Ireland, Italy, Latvia, Poland, Portugal, Romania, and Spain, representing around 80% of the 432 million European Union (EU) adult population. In each country, a representative sample of around 1,000 subjects aged 15 years and older was interviewed, for a total of 11,902 participants. RESULTS: Overall, 25.9% of participants were current smokers (31.0% of men and 21.2% of women, P < 0.001), while 16.5% were former smokers. Smoking prevalence ranged from 18.9% in Italy to 37.0% in Bulgaria. It decreased with increasing age (compared to <45, multivariable odds ratio [OR] for ≥65 year, 0.31; 95% confidence interval [CI], 0.27-0.36), level of education (OR for low vs high, 1.32; 95% CI, 1.17-1.48) and self-rated household economic level (OR for low vs high, 2.05; 95% CI, 1.74-2.42). The same patterns were found in both sexes. CONCLUSIONS: These smoking prevalence estimates represent the most up-to-date evidence in Europe. From them, it can be derived that there are more than 112 million current smokers in the EU-28. Lower socio-economic status is a major determinant of smoking habit in both sexes.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».