MétaCan
Menu
Retour à la cohorte
Enregistrement W4367293704 · doi:10.4103/jncd.jncd_25_22

Tobacco Endgame in India

2022· article· en· W4367293704 sur OpenAlexaboutno aff
Sonu Goel, Jagdish Kaur, Monika Arora, Garima Bhatt, Rana J. Singh, Anne Jones, Leimapokpam Swasticharan, Prakash Chandra Gupta

Notice bibliographique

RevueInternational Journal of Noncommunicable Diseases · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Disease Management and Epidemiology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChess endgamePolitical scienceComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The epidemic of tobacco use persists as a leading risk factor for noncommunicable diseases and impoverishment worldwide. Globally, more nations are undertaking measures for moving beyond “tobacco control” to a “tobacco-free world” under the unified theme of “tobacco endgame.” This concept of endgame includes an array of measures addressing both demand side and supply-side strategies for phasing out all commercial tobacco products within a specified time period. Globally, there have been many successes from countries such as New Zealand, Australia, Scotland, Netherlands, Finland, Ireland, Canada, France, and California. The Indian subcontinent has also been stepping up to progress the endgame concept and has been displaying exemplary leadership in the tobacco control. It has several national and subnational achievements to its credit. However, the tobacco endgame requires collaboration and capacity building of several sectors and stakeholders to align their activities with the tobacco endgame goals and vision of the Government of India. Besides, acceptance of endgame as a political objective is perhaps the first requirement for tobacco endgame in addition to program and community-level strategies. The need of the hour calls for a robust unified approach that engages all the stakeholders and involves increased investment in tobacco control by the country's governments and region.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,022
Tête enseignante GPT0,269
Écart entre enseignants0,247 · 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.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Noncommunicable DiseasesMême sujetAnimal Disease Management and EpidemiologyTravaux en français237 207