Smoking Prevalence and COVID-19 in Europe
Notice bibliographique
Résumé
INTRODUCTION: This ecological study investigates the association between smoking prevalence and COVID-19 occurrence and mortality in 38 European nations as of May 30, 2020. METHODS: Data were collected from Our World in Data. Regression analysis was conducted to adjust for potential confounding factors such as economic activity (gross domestic product), the rate of COVID-19 testing, and the stringency of COVID-19 control policies. RESULTS: There was a statistically significant negative association between smoking prevalence and the prevalence of COVID-19 across the 38 European nations after controlling for confounding factors (p = 0.001). A strong association was found between the prevalence of COVID-19 per million people and economic activity (p = 0.002) and the rate of COVID-19 testing (p = 0.0006). Nations with stricter policy enactment showed fewer COVID-19 cases per million people, but the association was not significant (p = 0.122). Delaying policy enactment was associated with a greater prevalence of COVID-19 (p = 0.0535). Evidence of a direct association between smoking prevalence and COVID-19 mortality was not found (p = 0.626). There was a strong positive association between COVID-19 mortality rate and the prevalence of COVID-19 cases (p < 0.0001) as well as the proportion of the population over 65 years of age (p = 0.0034) and a negative association with the rate of COVID-19 testing (p = 0.0023). CONCLUSIONS: We found a negative association between smoking prevalence and COVID-19 occurrence at the population level in 38 European countries. This association may not imply a true or causal relationship, and smoking is not advocated as a prevention or treatment of COVID-19. IMPLICATIONS: Given the evidence of this ecological study, and of several other studies that found an underrepresentation of smoking prevalence in hospitalized cases, it may be worth examining, in laboratory experiments and controlled human trials, if nicotine offers any protection against COVID-19. Most importantly, to date, no study, including this one, supports the view that smoking acts as a treatment intervention or prophylaxis to reduce the impact or ameliorate the negative health impacts of COVID-19.
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 | 0,005 | 0,264 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».