The impacts on the economy, health, and environment resulting from tobacco cultivation: A cross-sectional survey of tobacco farmer perspectives in Thailand
Notice bibliographique
Résumé
INTRODUCTION: Tobacco cultivation is associated with financial instability, health risks, and environmental degradation. While Thailand has made progress in tobacco control, challenges remain in supporting farmers with sustainable alternatives. This study examined the perceived economic, health, and environmental impacts of tobacco cultivation among Thai tobacco farmers. METHODS: A cross-sectional survey was conducted from October 2021 to January 2022 in Chiang Mai, Phrae, and Sukhothai, the major tobacco-growing provinces in Thailand. A total of 1505 tobacco farmers completed self-administered questionnaires. The instrument measured perceived impacts on a 3-point Likert scale (low to high). Frequencies and proportions for descriptive statistics are reported along with adjusted odds ratios and 95% confidence intervals for logistic regression models. RESULTS: Economic impacts were most frequently reported (43.7%), particularly increased debt (47.6%) and income loss (43.5%). Health impacts (31.6%) included symptoms of Green Tobacco Sickness (47.2%) and reduced work capacity (29.9%). Environmental concerns (14.4%) included pesticide contamination (10.8%) and degradation of soil and water resources (10.6%). Higher economic impact was associated with cultivating Virginia tobacco (AOR=6.51; 95% CI: 4.90-8.63), higher level of education (AOR=1.39; 95% CI: 1.01-1.92), contract farming (AOR=1.27; 95% CI: 0.99-1.63), and farming experience (AOR=1.00; 95% CI: 0.99-1.01). Health impact was associated with age (AOR=1.04; 95% CI: 1.03-1.05), land rental (AOR=0.75; 95% CI: 0.58-0.98), female gender (AOR=0.74; 95% CI: 0.58-0.94), and Virginia cultivation (AOR=0.32; 95% CI: 0.23-0.44). Environmental impact was linked to labor hiring (AOR=2.68; 95% CI: 1.41-5.07) and land rental (AOR=0.56; 95% CI: 0.39-0.79). CONCLUSIONS: Thai tobacco farmers face significant economic, health, and environmental burdens. Policy interventions should promote sustainable alternatives to mitigate these impacts.
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 | 0,001 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».