Prevalence and Severity of Nicotine Dependence in India: A Systematic Review and Meta-Analysis Protocol
Notice bibliographique
Résumé
Abstract Background Despite the high prevalence on tobacco use in India, evidence on nicotine dependence and its severity across the demographic groups is limited. Therefore, this review aims to estimate the pooled prevalence and severity of nicotine dependence among tobacco users in India, stratified by age, gender, type of tobacco, and rural–urban setting. Methods The protocol has been prospectively registered in PROSPERO (ID: CRD420251133993) and adheres to the PRISMA-P 2015 guidelines. Comprehensive literature searches will be conducted across Medline, Cochrane Library, Embase, Scopus, and grey literature sources. Eligible studies will include community-based research reporting nicotine dependence assessed using the Fagerström Test for Nicotine Dependence (FTND) or FTND-ST for smokeless tobacco. Two independent reviewers will carry out study selection, data extraction, and risk-of-bias assessment using the JBI checklist and the Newcastle–Ottawa Scale. Pooled prevalence will be calculated using a random-effects model, supplemented by subgroup analyses, sensitivity analyses, and meta-regression. Publication bias will be assessed through Deviation from Expected Inverse Variance (DOI) plots for graphical asymmetry evaluation or by funnel plots, alongside the Luis Furuya–Kanamori (LFK) index, where values within ±1 suggest no asymmetry, ±1 to ±2 indicate minor asymmetry, and >±2 represent major asymmetry. The overall certainty of evidence will be appraised using the GRADE framework. Discussion By generating robust estimates of nicotine dependence and its severity among tobacco users in India, this review will address a significant evidence gap in the field. The findings will be valuable for policymakers, public health professionals, and clinicians, enabling them to design context-specific tobacco control strategies, enhance cessation services, and develop targeted interventions. Such measures will contribute meaningfully to achieving Sustainable Development Goals 3 and 3.a, which aim to reduce premature mortality from non-communicable diseases.
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 | 0,069 | 0,088 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,005 |
| Méta-épidémiologie (sens large) | 0,020 | 0,024 |
| Bibliométrie | 0,012 | 0,009 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,006 | 0,005 |
| Intégrité de la recherche | 0,007 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,074 | 0,008 |
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 ».