Prevalence of drug use, alcohol consumption, cigarette smoking and measure of socioeconomic-related inequalities of drug use among Iranian people: findings from a national survey
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Drug use can lead to several psychological, medical and social complications. The current study aimed to measure and decomposes socioeconomic-related inequalities in drug use among adults in Iran. METHODS: This was a cross-sectional study The PERSIAN Cohort is the largest and most important cohort among 18 distinct areas of Iran. This study was conducted on 130,570 adults 35 years and older. A structured questionnaire was applied to collect data. The concentration index (C) was used to quantify and decompose socioeconomic inequalities in drug use. RESULTS: The prevalence experience of drug use was 11.9%. The estimated C for drug use was - 0.021. The corresponding value of the C for women and men were - 0.171 and - 0.134, respectively. The negative values of the C suggest that drug use is more concentrated among the population with low socioeconomic status in Iran (p < 0.001). For women, socioeconomic status (SES) (26.37%), province residence (- 22.38%) and age (9.76%) had the most significant contribution to socioeconomic inequality in drug use, respectively. For men, SES (80.04%), smoking (32.04%) and alcohol consumption (- 12.37%) were the main contributors to socioeconomic inequality in drug use. CONCLUSIONS: Our study indicated that drug use prevention programs in Iran should focus on socioeconomically disadvantaged population. Our finding could be useful for health policy maker to design and implement effective preventative programs to protect Iranian population against the drug use.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle