Cigarette Smoking and Its Financial Burden among Iranian Households: Evidence from Household Income and Expenditures Survey
Notice bibliographique
Résumé
Background: The financial burden of cigarette smoking on households’ budget is not well documented in Iran. We aimed to identify the determinants of cigarette consumption and its financial burden among households in Iran. Study design: A cross-sectional study. Methods: A total of 39,864 Iranian’s households from 31 provinces were included in the analysis. Data on sociodemographic and socioeconomic characteristics (age, sex, household size, education level, employment status, income and wealth index), living area, number of cigarettes smoked and cigarette expenditures for households were extracted from the 2016 Household Income and Expenditures Survey (HIES). Tobit model was used to identify the determinants of cigarette smoking frequency and expenditures among Iranian households. Results: The average number of cigarettes smoked and cigarettes expenditures by all household members was 85.25 cigarettes and US$ 2.64 per month. Living in urban areas, wealth index of households, household income, household size and low educational attainment of household members were positively associated with frequency and expenditures of cigarette smoking. Results also indicated increasing patterns in the number of cigarettes smoked and cigarettes expenditures from east to west of the country. East Azerbaijan, Hamadan, Markazi and Chaharmahal va Bakhtiari provinces had higher cigarette smoking frequency and expenditures in Iran. Conclusions: Tobacco control interventions in Iran should focus more on households living in urban areas and low-educated households. As the frequency of cigarette smoking was higher in the western region of Iran, comprehensive tobacco control policies should be adopted in western provinces.
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 | 0,010 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».