Expansion of Smoke-Free Laws in Public Places and Support for Smoke-Free in Malaysia: Findings from the 2020 ITC Malaysia Survey
Notice bibliographique
Résumé
Smoke-free laws (SFL) are more effective with public support. This study investigated the smoking prevalence, public perceptions of smoking rules, and support for comprehensive SFL among 1047 people who smoke (PWS) and 206 people who do not smoke (PNS) aged ≥18 in the 2020 International Tobacco Control Malaysia Survey. Smoking prevalence was highest in nighttime entertainment venues (85.7%), non-air-conditioned eateries (49.7%), and indoor workplaces (34.6%). Respondents reported that smoking was banned in most indoor workplaces (81.7% PNS, 69.2% PWS), air-conditioned eateries (84.7% PNS, 75.7% PWS), and non-air-conditioned eateries (81.2% PNS, 78.7% PWS), but much less so in nighttime entertainment venues (30.1% PNS, 24.6% PWS). Support for comprehensive SFL in public venues was highest among PNS (≥84.9%) but still substantial among PWS (≥49.9%). PWS under 40, Malay, married, and aware of smoking rules supported SFL more. Robust SFL enforcement is essential in Malaysia to reduce secondhand smoke exposure in public places.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».