MétaCan
Menu
Retour à la cohorte
Enregistrement W4205823875 · doi:10.1158/1538-7755.disp21-po-013

Abstract PO-013: Racial differences in smoking rates among low-income adults living in a large urban area

2022· article· en· W4205823875 sur OpenAlexaboutno aff
Alana Steffen, Larisa Burke, Cherdsak Duangchan, Karriem S. Watson, Alicia K. Watson

Notice bibliographique

RevueCancer Epidemiology Biomarkers & Prevention · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSmoking Behavior and Cessation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDemographyEthnic groupMedicineSexual orientationPoverty levelGerontologyQuarter (Canadian coin)Household incomeSocioeconomic statusPovertyPsychologyGeographyPopulationEnvironmental healthSocial psychology

Résumé

récupéré en direct d'OpenAlex

Abstract PURPOSE While smoking rates have decreased nationally, they remain elevated in underserved communities. The purpose of this study was to investigate smoking rates among race/ethnic groups in Chicago and for lower income levels across segregated neighborhoods served by a network of 6 federally qualified health center clinics. METHODS The Healthy Chicago Survey, an annual telephone survey of adults conducted by the Chicago Department of Public Health (2014-2018), was used to obtain rates and correlates of smoking using weighted analyses and linearized standard errors to account for the complex survey design and differential nonresponse. We examined city-wide estimates as well as a subsample composed of lower income (defined as <200% of the poverty level) residents of 3 geographic areas which represent roughly a quarter of Chicago adults (n=3,544 weighted to represent 517,271). RESULTS City-wide Chicago adults are 36% non-Hispanic (NH) White, 29% NH Black, and 26% Hispanic/Latino and have a smoking rate of 18.6% with 60% being daily smokers. The subsample results were 7% NH White, 49% NH Black, and 39% Hispanic Latino; smoking rate 26.8%. Background characteristics most associated with smoking include middle age (30-64 years), male sex, lesbian/gay/bisexual orientation, unmarried/no partner, NH Black, some college or less education, has no personal doctor, and experiences psychological distress. These relationships were consistent citywide and within the subsample except race/ethnic differences were less pronounced for those with lower income. NH Blacks, nearly half our low-income subsample, had the highest smoking rate (35.9%; 95% CI [33.1, 38.7]), followed by NH Whites (31.0 [23.6, 39.4]) with lower rates among Hispanic/Latinos (16.0 [13.4, 19.0]). The subsample comprised three distinct regions within the city with varying levels of race/ethnic diversity. CONCLUSION While tobacco use has declined over recent years there are significant disparities based on race and income. Among lower-income adults, NH Blacks, middle-aged, and males are at greater risk for smoking-related health conditions. Our findings demonstrate the higher rates of smoking among Black, medically underserved adults in low-income communities that contribute to health disparities. Citation Format: Alana D. Steffen, Larisa A. Burke, Cherdsak Duangchan, Karriem S. Watson, Alicia K. Watson. Racial differences in smoking rates among low-income adults living in a large urban area [abstract]. In: Proceedings of the AACR Virtual Conference: 14th AACR Conference on the Science of Cancer Health Disparities in Racial/Ethnic Minorities and the Medically Underserved; 2021 Oct 6-8. Philadelphia (PA): AACR; Cancer Epidemiol Biomarkers Prev 2022;31(1 Suppl):Abstract nr PO-013.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,349
Écart entre enseignants0,305 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer Epidemiology Biomarkers & PreventionMême sujetSmoking Behavior and CessationTravaux en français237 207