Motives for Smoking Cessation are Associated with Stage of Readiness to Quit Smoking and Sociodemographics among German Industrial Employees
Notice bibliographique
Résumé
PURPOSE: To test the relationships among particular motives for smoking cessation, stage of readiness to quit (preparation or contemplation), and sociodemographic characteristics. DESIGN: A cross-sectional study to examine attitudes toward and use of health promotion at the worksite, using a self-administered questionnaire. SETTING: Two German metal companies. SUBJECTS: Of 1641 responding employees (response rate 65% in company A and 44% in company B), 360 smokers who intended to quit immediately (n = 105) or in the near future (n = 255) were analyzed. MEASURES: The questionnaire comprised of sociodemographic characteristics, smoking behavior, smoking history, readiness to quit smoking, motives to quit, such as coworkers' complaints and health-related or financial concerns. Chi-squared tests and multiple logistic regression analyses were performed. RESULTS: Health-related reasons (94%) predominated financial (27%) or image-related (14%) reasons for smoking cessation. Participants in the cessation preparation group were more likely to report an awareness of being addicted (79.6% vs. 58.2%; p < .001) and the negative public image (22.5% vs. 11.6%; p < .01) as reasons for quitting compared with those in the contemplation group. In multivariable regression models, the motives for smoking cessation, including reduced performance, family's and coworkers' complaints, pregnancy/children, and negative public image, but not health-related and financial concerns, differed significantly by gender, age, marital status, education, and occupational status. CONCLUSIONS: Motives for smoking cessation vary according to the individual's level of readiness to quit and sociodemographic background.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».