Predictors of Successful Quitting among Thai Adult Smokers: Evidence from ITC-SEA (Thailand) Survey
Notice bibliographique
Résumé
This study uses longitudinal data from the International Tobacco Control Southeast Asia (ITC-SEA Thailand) survey to explore patterns and predictors of successful quitting among Thai adult smokers as a function of time quit. A cohort of a representative sample of 2000 smokers was surveyed four times from 2005 to 2009. A sample of 1533 individuals provided data for at least one of the reported analyses. Over the four years of follow-up, 97% made attempts to quit. Outcomes were successful quitting/relapse: (a) quit attempts of at least one month (short-term relapse, 43%) (57% remaining quit); (b) surviving at least six months (medium-term) (31%); (c) relapse between one and six months (45%); (d) having continuously quit between Waves 3 and 4 (sustained abstinence) (14%); and (e) relapse from six months on (44%) compared to those who continuously quit between Waves 3 and 4 (56%). Predictors for early relapse (<1 month) differ from longer-term relapse. Age was associated with reduced relapse over all three periods, and was much stronger for longer periods of abstinence. Cigarette consumption predicted relapse for short and medium terms. Self-assessed addiction was predictive of early relapse, but reversed to predict abstinence beyond six months. Previous quit history of more than one week was predictive of early abstinence, but became unrelated subsequently. Self-efficacy was strongly predictive of abstinence in the first month but was associated with relapse thereafter. Some determinants of relapse change with time quit, but this may be in somewhat different to patterns found in the West.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».