Registered Nurses’ smoking behaviours and their attitudes to personal cessation
Notice bibliographique
Résumé
AIM: The aim of the study was to assess smoking behaviour of nurses including; (1) smoking prevalence and nicotine dependence; (2) demographic characteristics according to smoking status and (3) attitudes to cessation amongst current smokers. BACKGROUND: Smoking amongst nurses is a barrier to the delivery of patient smoking cessation interventions. Studies on the smoking behaviour of nurses have lagged behind government surveys on smoking prevalence in the general population. METHOD: A descriptive, comparative study using a self-administered questionnaire was distributed to 3200 nurses over July and August of 2007 across one major metropolitan health service network in Victoria, Australia. RESULTS: The questionnaire was completed by 1029 nurses, a response rate of 32%. Eleven per cent of nurses (n=113) were current smokers. Nurses who smoked were more likely to be divorced/separated and report smoking amongst family and friends. Smoking was more common amongst nurses who work in psychiatry and the emergency departments. Amongst the nurses who smoked, 45% desired to stop smoking and while 89% had experienced previous quit attempts, only half had ever received help or advice about smoking cessation. The most common factors preventing smoking cessation included fear of withdrawal symptoms including stress, weight gain and anxiety. CONCLUSION: Smoking rates amongst nurses in this sample have declined below smoking rates amongst the general population. Considering the low uptake of smoking cessation support reported in this study, targeted strategies must be developed sensitive to the potential intrapersonal-professional struggle related to personal smoking which is at odds with nurses' health promotion role.
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 | 0,000 |
| 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 ».