Effectiveness of Antismoking Media Messages and Education Among Adolescents in Malaysia and Thailand: Findings From the International Tobacco Control Southeast Asia Project
Notice bibliographique
Résumé
INTRODUCTION: Finding ways to discourage adolescents from taking up smoking is important because those who begin smoking at an earlier age are more likely to become addicted and have greater difficulty in quitting. This article examined whether anti smoking messages and education could help to reduce smoking susceptibility among adolescents in two Southeast Asian countries and to explore the possible moderating effect of country and gender. METHODS: Data came from Wave 1 of the International Tobacco Control Southeast Asia Project (ITC-SEA) survey conducted in Malaysia (n = 1,008) and Thailand (n = 1,000) where adolescents were asked about receiving antismoking advice from nurses or doctors, being taught at schools about the danger of smoking, noticing antismoking messages, knowledge of health effects of smoking, beliefs about the health risks of smoking, smoking susceptibility, and demographic information. Data were analyzed using chi-square tests and logistic regression models. RESULTS: Overall, significantly more Thai adolescents reported receiving advice from their nurses or doctors about the danger of smoking (p < .001), but no country difference was observed for reported antismoking education in schools and exposure to antismoking messages. Multivariate analyses revealed that only provision of antismoking education at schools was significantly associated with reduced susceptibility to smoking among female Malaysian adolescents (OR = 0.26). Higher knowledge of smoking harm and higher perceived health risk of smoking were associated with reduced smoking susceptibility among Thai female (OR = 0.52) and Malaysian male adolescents (OR = 0.63), respectively. CONCLUSIONS: Educating adolescents about the dangers of smoking in schools appears to be the most effective means of reducing adolescents' smoking susceptibility in both countries, although different prevention strategies may be necessary to ensure effectiveness for male and female adolescents.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».