Perceived Addiction as a Predictor of Smoking Cessation Among Occasional Smokers
Notice bibliographique
Résumé
Introduction: Common short screening measures of dependence that use number of cigarettes per day may not be appropriate for use in populations of occasional smokers. Aims: In this study, we investigate whether perceived addiction (PA) predicts quit attempts and successful cessation among occasional smokers. Methods: Current occasional smokers (18+) in the Ontario Tobacco Survey (OTS) longitudinal cohort study followed up every six months for up to three years. Respondents rated their self-perceived level of addiction (very vs. somewhat or not very addicted). Generalised Estimating Equation models and proportional hazard models were used to test the predictive ability of PA. Results/Findings: Occasional smokers with very high PA had a higher likelihood of reporting a quit attempt (RR: 2.49; 95% CI: 1.88, 3.30) after adjusting for demographics. Given an incident quit attempt, occasional smokers who reported being very addicted were 2.93 times more likely to relapse (95%: 2.01, 4.28). The effect of PA was independent of other predictors of smoking behaviour. Conclusions: For some, occasional smokers, smoking cessation is a difficult process that may require significant support. Asking occasional smokers about PA is an effective way to predict likely success in quitting smokers that may be easily assessed in population based, as well as in community and clinical, settings.
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 | 0,001 | 0,004 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 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 ».