A Randomized Controlled Trial of Financial Incentives for Smoking Cessation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Although 435,000 Americans die each year of tobacco-related illness, only approximately 3% of smokers quit each year. Financial incentives have been shown to be effective in modifying behavior within highly structured settings, such as drug treatment programs, but this has not been shown in treating chronic disease in less structured settings. The objective of this study was to determine whether modest financial incentives increase the rate of smoking cessation program enrollment, completion, and quit rates in a outpatient clinical setting. METHODS: 179 smokers at the Philadelphia Veterans Affairs Medical Center who reported smoking at least 10 cigarettes per day were randomized into incentive and non-incentive groups. Both groups were offered a free five-class smoking cessation program at the Philadelphia Veterans Affairs Medical Center. The incentive group was also offered $20 for each class attended and $100 if they quit smoking 30 days post program completion. Self-reported smoking cessation was confirmed with urine cotinine tests. RESULTS: The incentive group had higher rates of program enrollment (43.3% versus 20.2%; P<0.001) and completion (25.8% versus 12.2%; P=0.02). Quit rates at 75 days were 16.3% in the incentive group versus 4.6% in the control group (P=0.01). At 6 months, quit rates in the incentive group were not significantly higher (6.5%) than in the control group (4.6%; P>0.20). CONCLUSION: Modest financial incentives are associated with significantly higher rates of smoking cessation program enrollment and completion and short-term quit rates. Future studies should consider including an incentive for longer-term cessation.
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.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 découle