Prospective predictors of quitting behaviours among adult smokers in six cities in China: findings from the International Tobacco Control (ITC) China Survey
Notice bibliographique
Résumé
AIMS: To examine predictors of quitting behaviours among adult smokers in China, in light of existing knowledge from previous research in four western countries and two southeast Asian countries. DESIGN: Face-to-face interviews were carried out with smokers in 2006 using the International Tobacco Control (ITC) China Survey, with follow-up about 16 months later. A stratified multi-stage cluster sampling design was employed. SETTING: Beijing and five other cities in China. PARTICIPANTS: A total of 4732 smokers were first surveyed in 2006. Of these, 3863 were re-contacted in 2007, with a retention rate of 81.6%. MEASUREMENTS: Baseline measures of socio-demographics, dependence and interest in quitting were used prospectively to predict both making quit attempts and staying quit among those who attempted. FINDINGS: Overall, 25.3% Chinese smokers reported having made at least one quit attempt between waves 1 and 2; of these, 21.7% were still stopped at wave 2. Independent predictors of making quit attempts included having higher quitting self-efficacy, previous quit attempts, more immediate intentions to quit, longer time to first cigarette upon waking, negative opinion of smoking and having smoking restrictions at home. Independent predictors of staying quit were being older, having longer previous abstinence from smoking and having more immediate quitting intentions. CONCLUSIONS: Predictors of Chinese smokers' quitting behaviours are somewhat different to those found in previous research from other countries. Nicotine dependence and self-efficacy seem to be more important for attempts than for staying quit in China, and quitting intentions are related to both attempts and staying quit.
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 | 0,001 | 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 ».