Adherence to smoke-free laws at retail points-of-sale and associated factors in 10 cities in Ethiopia
Notice bibliographique
Résumé
OBJECTIVES: The objective of this study was to assess adherence to smoke-free laws at points-of-sale (PoS), that is, retail outlets that sell various goods including tobacco products, and to identify predictors of low adherence. METHODS: This cross-sectional observational study was conducted in December 2022 across 10 Ethiopian cities covering 1323 PoS such as regular shops, permanent kiosks, khat shops, supermarkets and minimarkets. Sampling was performed using a two-stage cluster design, with random selection of PoS. Data were collected using checklists through covert observations. Logistic regression identified predictors of low adherence. RESULTS: More than half of PoS (52.5%) showed good adherence, 23.2% moderate, 20.8% poor or none and only 3.4% met full adherence. Supermarkets/minimarkets had the highest rates of good or full adherence (83.9%), while kiosks and khat shops had the lowest (40.7% and 35.4%, respectively) rates of good or full adherence. Low adherence was higher in kiosks (adjusted OR (aOR)=7.02, 95% CI: 3.76 to 13.13) and khat shops (aOR=6.26, 95% CI: 3.48 to 11.26). Low adherence was also observed in Semera-Logia (aOR=21.27, 95% CI: 13.26 to 34.12) and Gambella (aOR=12.07, 95% CI: 7.64 to 19.08). Predictors of indoor smoking included being a khat shop (aOR=3.13, 95% CI: 1.29 to 7.60), being located in Semera-Logia (aOR=8.47, 95% CI: 3.49 to 26.54), presence of outdoor smoking (aOR=3.38, 95% CI: 2.07 to 5.51) and lighters (aOR=5.26, 95% CI: 3.05 to 9.06). CONCLUSIONS: The study highlights enforcement gaps at PoS, particularly in khat shops, kiosks, and in Semera-Logia and Gambella cities. Strengthening smoke-free law implementation requires region-specific interventions for high-risk areas and retail outlets.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».