Modèles socio-écologiques : renforcement de la recherche interventionnelle dans le contrôle du tabac
Bibliographic record
Abstract
Quelques aspects dans le domaine du contrôle du tabac ont été marqués par une conceptualisation plus large des facteurs complexes qui déterminent la santé de la population. Les programmes de santé publique de contrôle du tabac accordent une part de plus en plus grande à des interventions à plusieurs niveaux et à des changements de politiques pour influencer le contexte. De plus, des concepts socio-écologiques (par exemple, stratégies visant des interactions intrapersonnelles, interpersonnelles et socio-environnementales) sont implicites à de nombreuses politiques exhaustives de réduction du tabac. Par contraste, la recherche interventionnelle sur le tabac est à la traîne par rapport à cette progression, avec des stratégies au niveau individuel qui continuent à dominer le programme de recherche. De nouvelles méthodes de recherche sont suggérées pour renforcer la recherche interventionnelle dans la prévention et l’arrêt du tabagisme. En utilisant l’exemple des adolescents et des transitions développementales, nous illustrerons comment la réflexion entourant les modèles socio-écologiques offre de nouvelles possibilités pour la recherche interventionnelle sur le contrôle du tabac.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.017 | 0.035 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.003 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".