Disparities in the prevalence of cigarette smoking among bisexual people: a systematic review, meta-analysis and meta-regression
Notice bibliographique
Résumé
OBJECTIVE: To review the bisexual-specific prevalence and likelihood of cigarette smoking relative to lesbian/gay and heterosexual individuals. DATA SOURCES: We searched MEDLINE, PsycInfo, CINAHL, Scopus and LGBT Life databases (from 1995 to September 2019) for studies reporting cigarette smoking among bisexuals versus their comparators. STUDY SELECTION: Observational, quantitative, peer-reviewed studies providing estimates for lifetime, past 30 days or current cigarette smoking among bisexuals and any of the two comparators were selected. DATA EXTRACTION: Data on sexual orientation groups, cigarette smoking, sample type and mechanism, data collection mode, country and median year, as well as gender and age groups were extracted. DATA SYNTHESIS: Random-effects meta-analysis was used to estimate the pooled OR (95% CIs) of cigarette smoking. Meta-regression was used to examine the difference in the prevalence of cigarette smoking by study and sample characteristics. Of 4663 unduplicated records, 47 unique studies were included (14, 23 and 22 studies on lifetime, past 30 days and current cigarette smoking, respectively). Compared with lesbians/gays and heterosexuals, bisexuals were 1.25 (1.15 to 1.37) and 2.18 (1.84 to 2.59) times more likely to report lifetime smoking, 1.17 (1.08 to 1.27) and 2.49 (2.20 to 2.83) times more likely to report past 30 days smoking and 1.19 (1.00 to 1.43) and 2.26 (1.97 to 2.59) times more likely to report current smoking. Gender was a significant covariate in the meta-regression models. CONCLUSIONS: Cigarette smoking was more prevalent among bisexuals than lesbians/gays and heterosexuals, with the estimates showing a greater magnitude among bisexual women relative to all other sexual orientation/gender subgroups.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,014 | 0,004 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».