Prevalence and socio-structural determinants of tobacco exposure in young women: Data from the Healthy Trajectories Initiative (HeLTI) study in urban Soweto, South Africa
Notice bibliographique
Résumé
BACKGROUND: Tobacco use is a major public health risk worldwide, which has increased on the African continent over the past 40 years. Socio-economic factors impact tobacco use and exposure, but little is known about the scope of this problem in young women living in an urban, historically disadvantaged township in contemporary South Africa. This study aimed to identify the prevalence of tobacco use in a cohort of young South African women using serum cotinine, and to assess the association between a number of socio-economic and social factors and tobacco use in this setting. METHODS: Secondary analysis was conducted on cross-sectional data from the Healthy Life Trajectories Initiative (HeLTI) study. Serum cotinine was measured and a cut-off of ≥ 10 ng/mL was classified as tobacco use. Household socio-economic, socio-demographic and health information were collected by an interviewer-administered questionnaire. RESULTS: Cotinine data was available for 1508 participants, of whom 29.2% (n = 441) had cotinine levels indicative of tobacco use. In regression analyses, moderate to severe socio-economic vulnerability (score 2-3 OR 1.66, p = 0.008; score ≥4: OR 1.63, p = 0.026) and multiparity (OR 1.74, p = 0.013) were associated with tobacco use. In addition, alcohol dependence (OR 3.07, p < 0.001) and drug use (OR 4.84, p < 0.001) were associated with tobacco use. CONCLUSION: Young women with multiple children, moderate to severe socio-economic vulnerability, and alcohol and drug use were identified as more likely to use tobacco, indicating the need for targeted anti-tobacco interventions to curb the impact of tobacco on the growing burden of noncommunicable diseases in this setting.
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 | 0,001 | 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 ».