Secondhand Smoke Exposure of Expectant Mothers in China: Factoring in the Role of Culture in Data Collection
Notice bibliographique
Résumé
Cancer is the leading cause of death worldwide. Tobacco smoking, including secondhand smoking, causes cancer and is responsible for over 22% of global cancer deaths. The adverse impacts of secondhand smoke are more pronounced for expectant mothers, and can deteriorate both mothers' and infants' health and well-being. Research suggests that secondhand smoke significantly increases expectant mothers' risk of miscarriage, cancer, and other chronic disease conditions, and exposes their unborn babies to an increased likelihood of having life-long poor health. In China, a pregnant woman's family members, such as her husband, parents, or in-laws, are the most likely people to be smoking around her. Due to traditional Chinese cultural practices, even though some expectant mothers understand the harm of secondhand smoke, they may be reluctant to report their family members' smoking behaviors. Resulting in severe underreporting, this compromises health experts' ability to understand the severity of the issue. This paper proposes a novel approach to measure secondhand smoke exposure of pregnant women in the Chinese context. The proposed system could act as a stepping stone that inspires creative methods to help researchers more accurately measure secondhand smoking rates of expectant mothers in China. This, in turn, could help health experts better establish cancer control measures for expectant mothers and decrease their cancer risk.
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) | 0,000 | 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 ».