Socio‐economic disadvantage at the area level poses few direct barriers to smoking cessation for Australian smokers: Findings from the International Tobacco Control Australian cohort survey
Notice bibliographique
Résumé
INTRODUCTION: Area-level indicators of socio-economic variation are frequently included in models of individual health outcomes. Area disadvantage is linearly related to smoking prevalence, but its relation to cessation outcomes is less well understood. AIMS: To explore the relationship between area-level disadvantage and prospective data on smoking cessation. DESIGN AND METHODS: The Australian cohort of the International Tobacco Control Four-Country Survey (N = 3503) was used to prospectively examine the contribution of area-level socio-economic disadvantage to predicting three important smoking-cessation outcomes: making a quit attempt, achieving 1 month abstinence and achieving 6 month abstinence from smoking, while controlling for individual-level socio-economic indicators and other individual-level covariates related to smoking cessation. RESULTS: Only two independent associations were observed between socio-economic disadvantage and cessation outcomes. Area-level disadvantage was related to 1 month abstinence in a non-linear fashion, and the individual experience of smoking-induced deprivation was associated with a lower likelihood of making quit attempts. DISCUSSION: Despite the documented higher prevalence of smoking among the more disadvantaged and in more disadvantaged areas, socio-economic disadvantage was not consistently related to making quit attempts, nor to medium-term success. Nevertheless, indirect effects of disadvantage, like its impact on psychological distress, cannot be ruled out, and considering smokers' individual psychosocial circumstances is likely to aid cessation efforts. CONCLUSION: Socio-economic disadvantage, particularly at the area level, poses few direct barriers to smoking cessation.
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 | 0,000 |
| 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) | 0,001 | 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 ».