Who Smokes in Europe? Data From Twelve European Countries in the TackSHS Survey (2017-2018)
Notice bibliographique
Résumé
Background: Population data on tobacco use and its determinants require continuous monitoring and careful inter-country comparison. We aimed to provide the most up-to-date estimates on tobacco smoking from a large cross-sectional survey, conducted in selected European countries.\nMethods: Within the TackSHS Project, a face-to-face survey on smoking was conducted in 2017–2018 in 12 countries: Bulgaria, England, France, Germany, Greece, Ireland, Italy, Latvia, Poland, Portugal, Romania, and Spain, representing around 80% of the 432 million European Union (EU) adult population. In each country, a representative sample of around 1,000 subjects aged 15 years and older was interviewed, for a total of 11,902 participants.\nResults: Overall, 25.9% of participants were current smokers (31.0% of men and 21.2% of women, P < 0.001), while 16.5% were former smokers. Smoking prevalence ranged from 18.9% in Italy to 37.0% in Bulgaria. It decreased with increasing age (compared to\nConclusions: These smoking prevalence estimates represent the most up-to-date evidence in Europe. From them, it can be derived that there are more than 112 million current smokers in the EU-28. Lower socio-economic status is a major determinant of smoking habit in both sexes.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».