Determinants of smoke-free homes adoption among Spanish adults who smoke: A prospective cohort study from the 2016–2021 International Tobacco Control (ITC) EUREST-PLUS Spain Surveys
Notice bibliographique
Résumé
OBJECTIVE: To assess the prevalence and associated factors of smoke-free homes (SFHs) among Spanish adults who smoke across three cohort waves, and to identify determinants of SFH adoption during follow-up (2016-2021). METHODS: The International Tobacco Control EUREST-PLUS Spain Survey is a nationally representative cohort of ∼1000 adults (≥18 years) who smoke surveyed in 2016, 2018, and 2021. First, we conducted repeated cross-sectional analysis to estimate the prevalence of SFHs at each wave. Second, we estimated incidence and risk ratios (RR) with 95 % confidence intervals (CI) for SFH adoption during the follow-up using adjusted generalised linear models. Independent variables included sociodemographics, smoking characteristics, and beliefs about second-hand smoke harms. RESULTS: SFH prevalence was 13.1 % in 2016, 19.0 % in 2018, and 31.5 % in 2021 (p trend <0.001). Quitting smoking (RR = 2.66; 95 % CI: 2.10, 3.36), remaining in any stage other than precontemplation (RR = 1.76; 1.13, 2.73) and progressing beyond precontemplation stage (RR = 2.59; 1.99, 3.37) were determinants of SFH adoption. Maintaining moderate or high nicotine dependence (RR = 0.46; 0.30, 0.69) was inversely associated with SFH adoption. CONCLUSIONS: SFH prevalence among Spanish adults who smoke increased in 2016-2021. Initiatives promoting SFHs should encourage progression through the stages of change towards cessation and provide tailored support for individuals with high nicotine dependence.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».