Identifying Barriers to Entering Smoking Cessation Treatment Among Socioeconomically Disadvantaged Smokers
Notice bibliographique
Résumé
Abstract Background: Efficacious smoking cessation interventions exist, yet few smokers utilise available resources such as psychosocial treatment programs and pharmacotherapy. The goals of the present study were to (1) identify perceived barriers to entering smoking cessation treatment programs among socioeconomically disadvantaged smokers, who are presently underrepresented in smoking cessation interventions; (2) determine what variables are most important in predicting the barriers identified (i.e., age, gender, ethnicity, income, nicotine dependence level, smoking rate, years smoking, stage of change, presence of smoking-related illness and medical insurance status). Methods: Responses from socioeconomically disadvantaged smokers ( N = 343) were collected in 2004–2005 and analysed to develop the Treatment Barriers Questionnaire, a 40-item measure of reasons for not entering smoking cessation programs. Study methods were approved by the Institutional Review Board of Louisiana State University; informed consent procedures were employed. Results: Principal components analysis yielded seven scales named for their theme: (1) Preparedness to Quit Smoking; (2) Work and Time Constraints; (3) Smokers Can or Should Quit on Own; (4) Opinions about Professional Assistance; (5) Mobility Limitations; (6) Insurance Limitations and (7) Misinformation about Professional Assistance. Gender, ethnicity, daily smoking rate, nicotine dependence and stage of change were significant predictors in regression analyses for scales 1, F (10, 201) = 7.83, p < .001, R 2 = .29, 2 F (10, 201) = 2.30, p < .05, R 2 = .11, and 3, F (10, 201) = 3.58, p < .001, R 2 = .16. Conclusions: Results can inform efforts to facilitate entry and retention of smokers in cessation programs.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».