Individual and interpersonal triggers to quit smoking in China: a cross-sectional analysis
Notice bibliographique
Résumé
AIMS: To determine the most prominent individual and interpersonal triggers to quit smoking in China and their associations with sociodemographic characteristics. METHODS: Data come from Waves 1-3 (2006-2009) of the International Tobacco Control (ITC) China Survey, analysed cross-sectionally as person-waves (N=14,358). Measures included sociodemographic and smoking characteristics. Those who quit between waves (4.3%) were asked about triggers that 'very much' led them to stop smoking, and continuing smokers about triggers that 'very much' made them think about quitting. Triggers covered individual (personal health concerns, cigarette price, smoking restrictions, advertisements, warning labels) and interpersonal factors (family/societal disapproval of smoking, setting an example to children, concerns about secondhand smoke). RESULTS: Over a third of respondents (34.9%) endorsed at least one trigger strongly; quitters were more likely than smokers to mention any trigger. While similar proportions of smokers endorsed individual (24.4%) and interpersonal triggers (24.0%), quitters endorsed more individual (61.1%) than interpersonal (48.3%) triggers. However, the most common triggers (personal health concerns; setting an example to children) were the same, endorsed by two-thirds of quitters and a quarter of smokers, as were the least common triggers (warning labels; cigarette price), endorsed by 1 in 10 quitters and 1 in 20 smokers. Lower dependence among smokers and greater education among all respondents were associated with endorsing any trigger. CONCLUSIONS: Individual rather than interpersonal triggers appear more important for quitters. Major opportunities to motivate quit attempts are missed in China, particularly with regard to taxation and risk communication. Interventions need to focus on more dependent and less-educated smokers.
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) | 0,000 | 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 | 0,000 |
| 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 ».