Effects of mass media campaign exposure intensity and durability on quit attempts in a population-based cohort study
Notice bibliographique
Résumé
OBJECTIVE: To assess the extent to which intensity and timing of televised anti-smoking advertising emphasizing the serious harms of smoking influences quit attempts. METHODS: Using advertising gross rating points (GRPs), we estimated exposure to tobacco control and nicotine replacement therapy (NRT) advertising in the 3, 4-6, 7-9 and 10-12 months prior to follow-up of a replenished cohort of 3037 Australian smokers during 2002-08. Using generalized estimating equations, we related the intensity and timing of advertising exposure from each source to the likelihood of making a quit attempt in the 3 months prior to follow-up. RESULTS: Tobacco control advertising in the 3-month period prior to follow-up, but not in more distant past periods, was related to a higher likelihood of making a quit attempt. Each 1000 GRP increase per quarter was associated with an 11% increase in making a quit attempt [odds ratio (OR) = 1.11, 95% confidence interval (CI) 1.03-1.19, P = 0.009)]. NRT advertising was unrelated to quit attempts. CONCLUSIONS: Tobacco control advertising emphasizing the serious harms of smoking is associated with short-term increases in the likelihood of smokers making a quit attempt. Repeated cycles of higher intensity tobacco control media campaigns are needed to sustain high levels of quit attempts.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».