MétaCan
Menu
Retour à la cohorte
Enregistrement W4380885221 · doi:10.53555/sfs.v10i4s.1884

Peak Expiratory Flow Rate In Bidi Smokers Of Rural Area Near Metro City: Observational Study

2023· article· en· W4380885221 sur OpenAlexvenueno aff
Sachin Chaudhary, Neha Chaudhary, Muzahid Sheikh, Milind Kahile, Sanjay Pande

Notice bibliographique

RevueJournal of Survey in Fisheries Sciences · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSmoking Behavior and Cessation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésObservational studyPopulationMedicineDemographyEnvironmental healthConsumption (sociology)Informed consentHabitPsychologyAlternative medicineSocial scienceSociology

Résumé

récupéré en direct d'OpenAlex

Smoking is a devastating habit than also millions of people continuing which we can consider global problem. Every country taking effort to make their population free from smoking by social media governmental and NON- Governmental agencies proving education related to ill effect of smoking than also people are counting there with habits’. India is the world second largest tobacco consuming country, despite of carrying out mass massive course of action for public health complemented with laws to restrict tobacco consumption. According to Global adult tobacco survey (GATS) in 2010,in this study we have taken PEFR as a outcome measure where Out of 4000 males 3782 were observed from which 200 smoker gave consent for evaluation. Smoker who gave consent were examined and assessment was done. The mean age of population was 48.63 years, on an average 21 biddies per day from 25-30 years duration of bidi smoking was noticed. Peak expiratory flow rate relatively decrease by 50 lit/min averagely. This study would be helpful to formulate anti tobacco strategies among aware population for dedication to make tobacco free India 2025.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,007
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,489
Tête enseignante GPT0,371
Écart entre enseignants0,117 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Survey in Fisheries SciencesMême sujetSmoking Behavior and CessationTravaux en français237 207