Trend over time on knowledge of the health effects of cigarette smoking and smokeless tobacco use in Bangladesh: Findings from the International Tobacco Control Policy Evaluation Bangladesh Surveys
Notice bibliographique
Résumé
INTRODUCTION: Cigarette smoking and smokeless tobacco (ST) use are prevalent in Bangladesh. This longitudinal study examined how knowledge of the health effects of smoking and ST use in Bangladesh has changed overtime with the country's acceleration of tobacco control efforts. METHODS: Data were analysed from the International Tobacco Control Survey, a nationally representative longitudinal study of users and non-users of tobacco (aged 15 and older) in Bangladesh, across four waves conducted in 2009 (n = 4378), 2010 (n = 4359), 2012 (n = 4223) and 2015 (n = 4242). Generalised estimating equations assessed the level of knowledge about harms of tobacco use across four waves. Multivariable logistic regressions assessed whether knowledge of health effects from cigarette smoking and ST use in 2015 differed by user group. RESULTS: In 2015 survey, most tobacco users were aware that cigarette smoking causes stroke (92%), lung cancer (97%), pulmonary tuberculosis (97%) and ST use causes mouth cancer (97%) and difficulty in opening mouth (80%). There were significant increases in the total knowledge score of smoking related health harm from 2010 to 2012 (mean difference = 0.640; 95% confidence interval [CI] 0.537, 0.742) and 2012 to 2015 (mean difference = 0.555; 95% CI 0.465, 0.645). Participants had greater odds of awareness for ST health effects from 2010 to 2015. DISCUSSION AND CONCLUSIONS: The results suggest that increasing efforts of awareness policy interventions is having a positive effect on tobacco-related knowledge in Bangladesh. These policy initiatives should be continued to identify optimal methods to facilitate behaviour change and improve cessation of smoking and ST use.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».