Tobacco use and COVID-19 in Ghana: generating evidence to support policy and practice
Notice bibliographique
Résumé
Background The COVID-19 pandemic has affected over 45 million people and caused over a million deaths globally. Tobacco use, a threat to public health worldwide, increases the risk of developing severe COVID-19 disease and death. The hand-to-mouth action, smoking-induced lung diseases, and the sharing of tobacco products such as water pipes, increase a smoker’s vulnerability to COVID-19. Implementation of tobacco control efforts in low- and middle-income countries (LMICs) including sub-Saharan Africa (SSA) is a particular challenge. The aim of this study in Ghana was to produce evidence to support governments to make informed policy decisions about tobacco control interventions in the context of COVID-19. Methods A survey with key stakeholders (conducted online or via face to face interview) and a desk-based mapping of data sources including government reports and online print press. Face-to Face interviews followed the COVID-19 precautionary protocols. Results 40 stakeholders participated in the interviews (28 online and 12 face-to-face). 46 data sources were identified from the mapping of which 16 were eligible for data extraction. Over two fifths of survey respondents (42.9%, n=12) agreed that the relationship between COVID-19 and tobacco use had been discussed in the media, and over half (57%, n=16) reported that public health professionals and other authorities had provided advice to tobacco users during the pandemic. While respondents (89%, n=25) did not see a change in the level of interest in tobacco cessation, less than a quarter (23%, n=6) indicated that the policy response to COVID-19 included a focus on tobacco control issues, but was limited to tobacco cessation. The majority of respondents (77%, n=31) reported a perceived limited impact on the tobacco industry’s operations during the pandemic. Conclusions COVID-19 provides a timely opportunity to strengthen tobacco control efforts by recognizing the role of tobacco use in potentially exacerbating covid-19 health outcomes and promoting cessation.
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 | 0,065 | 0,186 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,014 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».