MétaCan
Menu
Retour à la cohorte
Enregistrement W4309855331 · doi:10.3390/curroncol29120713

Advancing Tobacco Cessation in LMICs

2022· review· en· W4309855331 sur OpenAlexvenueno aff
Abhishek Shankar, Mark Parascandola, Pirabu Sakthivel, Jagdish Kaur, Deepak Kumar Saini, Naveen Prabhu Jayaraj

Notice bibliographique

RevueCurrent Oncology · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueSmoking Behavior and Cessation
Établissements canadiensnon disponible
Organismes subventionnairesWorld Health Organization
Mots-clésPsychological interventionMedicineSmoking cessationLow and middle income countriesTobacco controlContext (archaeology)Environmental healthTobacco useDeveloping countryEconomic growthPublic healthPathologyPopulationNursing

Résumé

récupéré en direct d'OpenAlex

Tobacco kills more than 8 million people worldwide every year. Over 80% of the world's 1.3 billion tobacco users live in low- and middle-income countries (LMICs), where the future burden is projected to grow. At the same time, progress in tobacco control has not advanced as far as in many LMICs. In particular, the implementation of tobacco-cessation programs and interventions remains limited. The bulk of the evidence for tobacco-cessation interventions comes from high-income countries and may not reflect the context in LMICs, particularly as resources and training for tobacco cessation are limited. This paper summarizes the current evidence for tobacco-cessation interventions in LMICs and highlights some key challenges and research gaps. Overall, there is a need to build capacity for locally relevant research and implementation science to support tailored cessation interventions and strategies for LMICs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,993
Score d'incertitude au seuil0,978

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,245
Tête enseignante GPT0,500
Écart entre enseignants0,255 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations31
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent OncologyMême sujetSmoking Behavior and CessationTravaux en français237 207