MétaCan
Menu
Retour à la cohorte
Enregistrement W1971588711 · doi:10.1111/j.1360-0443.2009.02732.x

Predictors of smoking relapse by duration of abstinence: findings from the International Tobacco Control (ITC) Four Country Survey

2009· article· en· W1971588711 sur OpenAlexfundaboutno aff
Natalie Herd, Ron Borland, Andrew Hyland

Notice bibliographique

RevueAddiction · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueSmoking Behavior and Cessation
Établissements canadiensnon disponible
Organismes subventionnairesNational Cancer InstituteCanadian Institutes of Health ResearchCancer Research UK
Mots-clésAbstinenceSmoking cessationTobacco controlMedicineNicotineNicotine dependenceRelapse preventionSelf-efficacyClinical psychologyPsychologyTelephone surveyDemographyPsychiatryPublic healthSocial psychology

Résumé

récupéré en direct d'OpenAlex

AIM: To explore predictors of smoking relapse and how predictors vary according to duration of abstinence. DESIGN, SETTING AND PARTICIPANTS: A longitudinal survey of 1296 ex-smokers recruited as part of the International Tobacco Control (ITC) Four Country Survey (Australia, Canada, United Kingdom and United States). Measurements Quitters were interviewed by telephone at varying durations of abstinence (from 1 day to approximately 3 years) and then followed-up approximately 1 year later. Theorized predictors of relapse (i.e. urges to smoke; outcome expectancies of smoking and quitting; and abstinence self-efficacy) and nicotine dependence were measured in the survey. FINDINGS: Relapse was associated with lower abstinence self-efficacy and a higher frequency of urges to smoke, but only after the first month or so of quitting. Both these measures mediated relationships between perceived benefits of smoking and relapse. Perceived costs of smoking and benefits of quitting were unrelated to relapse. CONCLUSIONS: Challenging perceived benefits of smoking may be an effective way to increase abstinence self-efficacy and reduce frequency of urges to smoke (particularly after the initial weeks of quitting), in order to reduce subsequent relapse risk.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,256
Écart entre enseignants0,240 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations229
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAddictionMême sujetSmoking Behavior and CessationTravaux en français237 207