Exploring Prevalence and Sociodemographic Factors Associated With Smoking Among Malaysian Adults: A Cross‐ Sectional Study
Notice bibliographique
Résumé
Background and Aims: The Malaysian government has implemented various antismoking measures to reduce the incidence of unhealthy lifestyles within the population. This study analyzes the baseline data of the Prospective Urban Rural Epidemiology (PURE) study to establish the prevalence of sociodemographic factors that are associated with smoking habits among Malaysian adults. Methods: This study was carried out in urban and rural communities with adults aged between 35 and 70 years using purposive sampling. Standardized questionnaires were used to assess the smoking status and sociodemographic data of the participants. Bivariate analysis and multiple logistic regression were done to determine the association between smoking status and demographic characteristics among Malaysian adults. Results: The prevalence of smoking among adults is 23.2%. The sociodemographic factors significantly associated with active smoking status were being a younger adult (adjusted odds ratio [AOR] = 1.26, 95% CI: 1.06-1.50), being male (AOR = 24.16, 95% CI: 20.58-28.36), being Malay (AOR = 1.72, 95% CI: 1.49-1.98), being a blue-collar worker (AOR = 1.75, 95% CI: 1.48-2.06), having no formal education (AOR = 1.99, 95% CI: 1.56-2.53), being unmarried (AOR = 1.22, 95% CI: 1.02-1.48) and being of low socioeconomic status (AOR = 1.45, 95% CI: 1.14-1.84). Conclusion: Public health policies and actions on smoking reduction should emphasize those identified as high-risk sub-populations, particularly younger adults, males and those who are not yet married, have no formal education and are of low socioeconomic status.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».