Quit history, intentions to quit, and reasons for considering quitting among tobacco users in India: Findings from the Tobacco Control Policy Evaluation India Wave 1 Survey
Notice bibliographique
Résumé
BACKGROUND: Global Adult Tobacco Survey India 2009-2010 revealed that more than one-third (35%) of adults in India use tobacco in some form: 21% use smokeless tobacco, 9% smoke, and 5% are mixed users (they smoke and use smokeless tobacco), and the quit rate is very low. In an effort to decrease prevalence of tobacco use, it is thus important to understand the factors that are related to intention to quit among Indian tobacco users. Research has shown consistently that intention to quit is a strong predictor of future quitting. The present study reports the factors encouraging quitting tobacco products in India. SUBJECTS AND METHODS: Cross-sectional data from Wave 1 of the International Tobacco Control Policy Evaluation India Survey conducted in four cities and surrounding rural areas (i.e. Mumbai [Maharashtra], Patna [Bihar], Indore [Madhya Pradesh], and Kolkata [West Bengal]) between August 2010 and December 2011 were analyzed. A total of 8051 tobacco users (15+ years) were randomly sampled from 8586 households: 1255 smokers, 5991 smokeless users, and 805 mixed (smoke and smokeless) users. Validated, standardized questions were asked about current tobacco use, intention to quit, and factors encouraging quitting. RESULTS: Overall, 19.6% of tobacco users intended to quit. Smokers had less intention to quit as compared to smokeless tobacco users whereas mixed users had more intention to quit (odds ratio [OR] =1.48, 95% confidence interval [CI] =1.12-1.97) compared to smokeless tobacco users. Highly educated people were more likely to report intention to quit (OR = 1.82, 95% CI = 1.09-3.02) compared to less educated. Advice by doctors to quit tobacco had a strong impact on intention to quit (OR = 1.68, CI = 1.29-2.15). Tobacco users who were exposed to antitobacco messages at work places (OR = 1.74, CI = 1.23-2.46), at restaurants (OR = 1.65, CI = 1.12-2.43), bars (OR = 1.81, CI = 1.07-3.06), on public transportation (OR = 2.14, CI = 1.49-3.08) and on tobacco packages (OR = 1.77, CI = 1.29-2.14) also expressed greater intention to quit tobacco use. CONCLUSION: Around one-fifth of tobacco users in India intended to quit tobacco use. Higher education, doctor's advice, and antitobacco messages were positively associated with users' intention to quit tobacco.
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 | 0,004 | 0,003 |
| 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 ».