A cross-sectional study on levels of secondhand smoke in restaurants and bars in five cities in China
Notice bibliographique
Résumé
OBJECTIVES: To assess indoor secondhand smoke (SHS) exposure in restaurants and bars via PM(2.5) level measurements in five cities in China. METHODS: The study was conducted from July to September in 2007 in Beijing, Xi'an, Wuhan, Kunming and Guiyang. PM(2.5) concentrations were measured in 404 restaurants and bars using portable aerosol monitors. The occupant density and the active smoker density were calculated for each venue sampled. RESULTS: Among the 404 surveyed venues, 23 had complete smoking bans, nine had partial smoking bans and 313 (77.5%) had smoking observed during sampling. The geometric mean of indoor PM(2.5) levels in venues with smoking observed was 208 μg/m(3) and 99 μg/m(3) in venues without smoking observed. When outdoor PM(2.5) levels were adjusted, indoor PM(2.5) levels in venues with smoking observed were consistently significantly higher than those in venues without smoking observed (F=80.49, p<0.001). Indoor PM(2.5) levels were positively correlated with outdoor PM(2.5) levels (partial ρ=0.37 p<0.001) and active smoker density (partial ρ=0.34, p<0.001). CONCLUSIONS: Consistent with findings in other countries, PM(2.5) levels in smoking places are significantly higher than those in smoke-free places and are strongly related to the number and density of active smokers. These findings document the high levels of SHS in hospitality venues in China and point to the urgent need for comprehensive smoke-free laws in China to protect the public from SHS hazards, as called for in Article 8 of the Framework Convention on Tobacco Control, which was ratified by China in 2005.
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 ».