Incidence and Determinants of COVID-19 Among People Who Smoke (2018–2021): Findings From the ITC EUREST-PLUS Spain Surveys
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To estimate the cumulative incidence of COVID-19 and its determinants among a nationally representative sample of adults from Spain who smoke. METHODS: This is a prospective cohort study that uses data from two waves (Wave 2 in 2018 and Wave 3 in 2021) of the ITC EUREST-PLUS Spain Survey. At baseline (Wave 1 in 2016), all respondents were adults (aged ≥18) who smoked. In total, 1008 respondents participated in Wave 2, and 570 out of 888 eligible participants were followed up in Wave 3 (64.2%). We estimated the cumulative incidence and the relative risk of COVID-19 (RR) and 95% confidence intervals (CI) during follow-up using self-reported information on sociodemographic, smoking-related and health-related characteristics and identified associated factors using multivariable Poisson models with robust variance adjusted for the independent variables. RESULTS: The overall cumulative incidence of self-reported COVID-19 was 5.9% (95% CI: 3.9-8.0%), with no significant differences between males (6.3%; 95% CI: 3.6-9.0%) and females (5.6%; 95% CI: 3.2-8.0%). After adjusting for age, sex, and educational level, COVID-19 incidence was positively associated with moderate nicotine dependence (RR: 2.37; 95% CI: 1.04-5.40) and negatively associated with having a partner who smoked (RR: 0.12; 95% CI: 0.03-0.42), and having friends but not a partner who smoked (RR: 0.28; 95% CI: 0.14-0.56). CONCLUSION: The correlates of having had COVID-19 among people who smoke should be considered when tailoring information and targeted non-pharmacological preventive measures.
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.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découle