The freeze on mass media campaigns in England: a natural experiment of the impact of tobacco control campaigns on quitting behaviour
Notice bibliographique
Résumé
AIMS: To measure the impact of the suspension of tobacco control mass media campaigns in England in April 2010 on measures of smoking cessation behaviour. DESIGN: Interrupted time series design using routinely collected population-level data. Analysis of use of a range of types of smoking cessation support using segmented negative binomial regression. SETTING: England. MEASUREMENTS: Use of non-intensive support: monthly calls to the National Health Service (NHS) quitline (April 2005-September 2011), text requests for quit support packs (December 2007-10) and web hits on the national smoking cessation website (January 2009-March 2011). Use of intensive cessation support: quarterly data on the number of people setting a quit date and 4-week quitters at the NHS Stop Smoking Services (SSS) (quarter 1, 2001 and quarter 3, 2011). FINDINGS: During the suspension of tobacco control mass media spending, literature requests fell by 98% [95% confidence interval (CI) = 96-99], and quitline calls and web hits fell by 65% (95% CI = 43-79) and 34% (95% CI: 11-50), respectively. The number of people setting a quit date and 4-week quitters at the SSS increased throughout the study period. CONCLUSIONS: The suspension of tobacco control mass media campaigns in England in 2012 appeared to markedly reduce the use of smoking cessation literature, quitline calls and hits on the national smoking cessation website, but did not affect attendance at the Stop Smoking Services. Within a comprehensive tobacco control programme, mass media campaigns can play an important role in maximizing quitting activity.
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 ».