Urban Chinese Smokers From Lower Socioeconomic Backgrounds Face More Barriers to Quitting: Results From the International Tobacco Control-China Survey
Notice bibliographique
Résumé
INTRODUCTION: Research findings on social disparities in barriers to quitting faced by smokers from mainly Western English-language countries may or may not generalize to smokers in China. This paper sought to determine whether nicotine dependence, quitting self-efficacy, quitting interest differ by socio-economic status (SES), and whether they mediate the relationship between SES and quitting behavior of urban Chinese smokers. METHODS: Data come from 7,309 adult smokers who participated in the first 3 waves of the International Tobacco Control-China survey conducted in 7 cities across China. The association of socio-economic indicators with nicotine dependence, quitting self-efficacy, quitting interest, and behavior was evaluated using generalized estimating equations models along with a formal test of mediational effects. RESULTS: The SES index indicated that those from lower SES were significantly more addicted (p < .001), less confident (p < .001), and less interested in quitting (p < .05). This finding was replicated by education and employment status, but it was not clearly related to income. Mediational analyses revealed that the effects of SES on making quit attempts and quit success among those who tried were indirect. For quit attempts, self-efficacy, interest to quit, and heaviness of smoking index (HSI) were all significant mediators of the SES effect (p < .001), but for maintenance, only HSI was a significant mediator (p < .001). CONCLUSIONS: Urban Chinese smokers from lower socio- economic backgrounds experience greater levels of psychological and behavioral barriers to quitting than their counterparts from higher socio-economic backgrounds and as such, they need more help to quit and do so successfully.
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 | 0,006 | 0,005 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».