Understanding Former Smokers in Canada: Examining Who They are and When, Why and How They Quit
Notice bibliographique
Résumé
Abstract Objectives : Although the benefits of smoking cessation are well established, long-term abstinence from cigarettes is difficult for many smokers to achieve. We aimed to examine quit attempts, years since quitting and factors associated with long-term abstinence among former smokers. Methods : Data were from the 2006 Canadian Tobacco Use Monitoring Survey. Descriptive analyses were performed and logistic regression models were used to examine factors associated with long-term abstinence (more than 5 years) among former smokers. Results : In 2006, over one in four Canadians (27.1%, n = 7,200,000) aged 15 and older was a former smoker. The prevalence of former smoking was higher among men (30.9%) in comparison to women (23.4%). Former smokers who quit in the past 3 years or earlier were more likely to be older as well as have children younger than 15 in the household. Logistic regression analyses revealed that older age was a significant predictor of long-term abstinence from smoking. Conclusion : Our findings suggest that there are modifiable characteristics associated with long-term smoking abstinence that could be addressed by relapse prevention programming. Longitudinal data are warranted to further clarify the relationship between certain characteristic of former smokers and the duration of abstinence.
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 | 0,000 |
| 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 ».