Quitting smoking in China: findings from the ITC China Survey
Notice bibliographique
Résumé
BACKGROUND: Few studies have examined interest in quitting smoking and factors associated with quitting in mainland China. OBJECTIVE: To characterise interest in quitting, quitting behaviour, the use of cessation methods and reasons for thinking about quitting among adult urban smokers in six cities in China. METHODS: Data is from Wave 1 of the ITC China Survey, a face-to-face household survey of 4732 adult smokers randomly selected from six cities in China in 2006. Households were sampled using a stratified multistage design. FINDINGS: The majority of smokers had no plan to quit smoking (75.6%). Over half (52.7%) of respondents had ever tried to quit smoking. Few respondents thought that they could successfully quit smoking (26.5%). Smokers were aware of stop-smoking medications (73.5%) but few had used these medications (5.6%). Only 48.2% had received advice from a physician to quit smoking. The number one reason for thinking about quitting smoking in the last 6 months was concern for personal health (55.0%). Most smokers also believed that the government should do more to control smoking (75.2%). CONCLUSION: These findings demonstrate the need to: (1) increase awareness of the dangers of smoking; (2) provide cessation support for smokers; (3) have physicians encourage smokers to quit; (4) denormalise tobacco use so that smokers feel pressured to quit; (5) implement smoke-free laws to encourage quitting; (6) develop stronger warning labels about the specific dangers of smoking and provide resources for obtaining further cessation assistance; and (7) increase taxes and raise the price of cigarettes.
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 | 0,001 |
| 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 ».