Birth Cohort‒Specific Smoking Patterns by Family Income in the U.S.
Notice bibliographique
Résumé
INTRODUCTION: In the U.S., low-income individuals generally smoke more than high-income individuals. However, detailed information about how smoking patterns differ by income, especially differences by birth cohort, is lacking. METHODS: Using the National Health Interview Survey 1983-2018 data, individual family income was calculated as a ratio of the federal poverty level. Missing income data from 1983 to 1996 were imputed using sequential regression multivariate imputation. Age‒period‒cohort models with constrained natural splines were used to estimate annual probabilities of smoking initiation and cessation and smoking prevalence and intensity by gender and birth cohort (1900-2000) for 5 income groups: <100%, 100%-199%, 200%-299%, 300%-399%, and ≥400% of the federal poverty level. Analysis was conducted in 2020-2021. RESULTS: Across all income groups, smoking prevalence and initiation probabilities are decreasing by birth cohort, whereas cessation probabilities are increasing. However, relative differences between low- and high-income groups are increasing markedly, such that there were greater declines in prevalence among those in high-income groups in more recent cohorts. Smoking initiation probabilities are lowest in the ≥400% federal poverty level group for males across birth cohorts, whereas for females, this income group has the highest initiation probabilities in older cohorts but the lowest in recent cohorts. People living below the federal poverty level have the lowest cessation probabilities across cohorts. CONCLUSIONS: Smoking prevalence has been decreasing in all income groups; however, disparities in smoking by family income are widening in recent birth cohorts. Future studies evaluating smoking disparities should account for cohort differences. Intervention strategies should focus on reducing initiation and improving quit success among low-income groups.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».