Effect of a Digital Social Media Campaign on Young Adult Smoking Cessation
Notice bibliographique
Résumé
INTRODUCTION: Social media (SM) may extend the reach and impact for smoking cessation among young adult smokers. To-date, little research targeting young adults has been done on the use of SM to promote quitting smoking. We assessed the effect of an innovative multicomponent web-based and SM approach known as Break-it-Off (BIO) on young adult smoking cessation. METHODS: The study employed a quasi-experimental design with baseline and 3-month follow-up data from 19 to 29-year old smokers exposed to BIO (n = 102 at follow-up) and a comparison group of Smokers' Helpline (SHL) users (n = 136 at follow-up). Logistic regression analysis assessed differences between groups on self-reported 7-day and 30-day point prevalence cessation rates, adjusting for ethnicity, education level, and cigarette use (daily or occasional) at baseline. RESULTS: The campaign reached 37 325 unique visitors with a total of 44 172 visits. BIO users had significantly higher 7-day and 30-day quit rates compared with users of SHL. At 3-month follow-up, BIO participants (32.4%) were more likely than SHL participants (14%) to have quit smoking for 30 days (odds ratio = 2.95, 95% CI = 1.56 to 5.57, P < .001) and BIO participants (91%) were more likely than SHL participants (79%) to have made a quit attempt (odds ratio = 2.69, 95% CI = 1.03 to 6.99, P = .04). CONCLUSION: The reach of the campaign and findings on quitting success indicate that a digital/SM platform can complement the traditional SHL cessation service for young adult smokers seeking help to 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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».