Review of: "Tobacco Smoking-Attributable Mortality in Kenya: 2012 –2021"
Notice bibliographique
Résumé
Potential competing interests: No potential competing interests to declare.The study estimates smoking-attributable mortality (SAM) in Kenya.The research is thorough and demonstrates commendable work in compiling data from various sources and applying pertinent analytical tools.The key measurements are smoking prevalence rate and smoking-attributable mortality among adults over the age of 35.Smoking prevalence in Kenya indicated 17.4% of men, 0.9% of women, and 9% overall as current smokers.Former smokers constituted 10.6% of men, 1.4% of women, and 5.9% overall.Smoking-Attributable Mortality: Out of observed deaths, 16.5% were attributed to smoking.They further argue that pneumonia and influenza, esophageal cancer, chronic airway obstruction, and tuberculosis were primary causes, comprising 70% of all smoking-attributable mortality (SAM), with respiratory diseases (40.5%), malignant cancers (31.4%), tuberculosis (13%), cardiovascular diseases (8.9%), and diabetes mellitus (6.1%).Area of improvement: This study provides a point estimate for SAM.They have to construct various scenarios under various assumptions regarding the values used in the calculations to construct.Estimations of this type should normally provide a confidence interval.Their reporting of a point estimate implicitly implies the authors are assuming that their estimated SAM is precise, which is not valid.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,049 | 0,013 |
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 source (Gemma direct ou Codex distillé), 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 ».