Tobacco control’s effects on social inequalities in smoking: Moving towards a health equity approach
Notice bibliographique
Résumé
Abstract Population-level public health policies aim to improve health for the entire population. Yet, in doing so, they may unintentionally neglect vulnerable populations' specific needs, which may perpetuate social inequalities in health. As an example, tobacco control policies (e.g. media campaigns, smoke-free places, tax increases, and tobacco product regulation) have been found to significantly reduce overall smoking prevalence in many high-income countries. However, social inequalities in smoking have been increasing, with smoking prevalence being higher, notably for those of low socio-economic status (SES). Low SES individuals start smoking at younger ages, smoke more cigarettes per day, have lower cessation rates, and are exposed to more second-hand smoke than higher SES individuals. These social inequalities in smoking translate into social inequalities in health such that low SES groups carry a disproportionately heavier burden of smoking-related illnesses. Based on data from a critical discourse analysis of tobacco control policy in Quebec, Canada, as well as from a literature review of vulnerable populations' experiences with tobacco control policies, this presentation will: 1) illustrate ways in which tobacco control policies may be increasing social inequalities in smoking, including the absence of vulnerable populations who smoke from policy planning, smoking denormalization's unintended stigmatizing effects, and targeting behaviours rather than the 'causes of the cause' in policy; 2) provide ideas for future population-level policies based on a health equity approach, which includes integrating vulnerable population's voices in policy design, prioritizing vulnerable populations and health equity in policy, and shifting attention towards policies addressing social inequalities in access to social determinants (e.g. education, income, employment security, safe, clean, and affordable housing) to improve health rather than targeting behaviours, such as smoking.
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 | 0,018 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,025 |
| Communication savante | 0,013 | 0,009 |
| Science ouverte | 0,002 | 0,013 |
| Intégrité de la recherche | 0,007 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 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 ».