Motivational factors predict quit attempts but not maintenance of smoking cessation: Findings from the International Tobacco Control Four country project
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
AIM: To explore whether measures of motivation to quit smoking have different predictive relationships with making quit attempts and the maintenance of those attempts. METHODS: Data are from three wave-to-wave transitions of the International Tobacco Control Four (ITC-4) country project. Smokers' responses at one wave were used to predict the likelihood of making an attempt and among those trying the likelihood of maintaining an attempt for at least a month at the next wave. For both outcomes, hierarchical logistic regressions were used to explore the predictive capacity of seven measures of motivation to quit smoking, controlling for a range of other known or possible predictors. RESULTS: Bivariate analyses indicate that measures of motivation to quit are predictive of making quit attempts, but they predict relapse among those making attempts. Multivariate analyses identified wanting to quit and frequency of prematurely butting out cigarettes as the main positive predictors of making attempts, but this was reduced by intention and recency of last attempt. For maintenance, premature butting out was the main motivation variable predicting relapse and was essentially unaffected by other measures. DISCUSSION: The findings show that it is wrong to suggest that all one needs to quit is to be motivated to do so. The reality is that one needs to be motivated to prompt action to stop smoking, but this is not sufficient in and of itself to ensure that cessation is maintained. These findings call attention to the importance of understanding the differential roles that prequit and postquit experiences play in smoking cessation and of providing help to smokers to stay off 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.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découle