Individual-level factors associated with intentions to quit smoking among adult smokers in six cities of China: findings from the ITC China Survey
Notice bibliographique
Résumé
BACKGROUND: Over 350 million smokers live in China, and this represents nearly one-third of the smoking population of the world. Smoking cessation is critically needed to help reduce the harms and burden caused by smoking-related diseases. It is therefore important to identify the determinants of quitting and of quit intentions among smokers in China. Such knowledge would have potential to guide future tobacco control policies and programs that could increase quit rates in China. OBJECTIVE: To identify the correlates of intentions to quit smoking among a representative sample of adult smokers in six cities in China. METHODS: Data from wave 1 (2006) of the International Tobacco Control (ITC) Policy Evaluation Project China Survey, a face-to-face survey of adult Chinese smokers in six cities: Beijing, Shenyang, Shanghai, Changsha, Guangzhou and Yinchuan, was analysed. Households were sampled using a stratified multistage design. About 800 smokers were surveyed in each selected city (total n=4815). RESULTS: Past quit attempts, duration of past attempts, Heaviness of Smoking Index (HSI), outcome expectancy of quitting, worry about future health and overall opinion of smoking were found to be independently associated with intentions to quit smoking, but demographic characteristics were not. CONCLUSIONS: The determinants of quit intentions among smokers in China are fairly similar to those found among smokers in Western countries, despite the fact that interest in quitting is considerably lower among Chinese smokers. Identifying the determinants of quit intentions provides possibilities for shaping effective policies and programs for increasing quitting among smokers in China.
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 | 0,002 |
| 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 | 0,001 |
| 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 ».