Secondhand smoke exposure in outdoor children’s playgrounds in 11 European countries
Notice bibliographique
Résumé
Tobacco presence in outdoor children’s playgrounds is concerning not only because it leads to secondhand smoke (SHS) exposure, but also cigarette butt pollution and tobacco normalization. This study aimed to assess SHS exposure in children’s playgrounds, according to area-level socioeconomic status (SES), smoke-free regulations, national smoking prevalence, and SHS exposure prevalence in playgrounds (2017–2018). We monitored vapor-phase nicotine concentration and tobacco-related variables in 20 different playgrounds in 11 European countries (n = 220 measurements) from March 2017 to April 2018. Playgrounds were selected according to area-level SES. Data on the number of people smoking, and cigarette butts inside the playground and on playground surroundings (<1 m away) were recorded. Playground smoking bans, the Tobacco Control Scale (TCS) score, national smoking prevalence and SHS exposure prevalence in playgrounds were used to group countries. To determine nicotine presence, we dichotomized concentrations using the limit of quantification as a cut-off point (0.06 μg/m3). Nicotine median concentrations were compared using non-parametric tests, and nicotine presence and tobacco-related observational variables using the Chi-squared test. Airborne nicotine presence was found in 40.6% of the playgrounds. Median nicotine concentration was <0.06 μg/m3 (Interquartile range: <0.06–0.125) and higher median concentrations were found in more deprived neighborhoods, non-regulated playgrounds, in countries with lower overall TCS scores, higher national smoking prevalence and higher SHS exposure prevalence in playgrounds. Overall, people were smoking in 19.6% of the playgrounds. More than half of playgrounds had cigarette butts visible inside (56.6%) and in the immediate vicinity (74.4%). Presence of butts inside playgrounds was higher in sites from a low area-level SES, in countries with low TCS scores, and greater smoking prevalence and SHS exposure prevalence (p<0.05). There is evidence of SHS exposure in children’s playgrounds across Europe. These findings confirm the need for smoking bans in playgrounds and better enforcement in those countries with smoking bans in playgrounds.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».