The Reach Ratio--A New Indicator for Comparing Quitline Reach Into Smoking Subgroups
Notice bibliographique
Résumé
INTRODUCTION: There is growing concern about population disparities in tobacco-related morbidity and mortality. This paper introduces the reach ratio as a complementary measure to reach for monitoring whether quitline interventions are reaching high risk groups of smokers proportionate to their prevalence in the population. METHODS: Data on smokers were collected at intake by 7 Canadian provincial quitlines from 2007 to 2009 and grouped to identify 4 high risk subgroups: males, young adults, heavy smokers, and those with low education. Provincial data are from the Canadian Tobacco Use Monitoring Survey. Reach ratios (ReRas), defined as the proportion of quitline callers from a subgroup divided by the proportion of the smoking population in the subgroup, and 95% confidence intervals were calculated for the subgroups. A ReRa of 1.0 indicates proportionate representation. RESULTS: ReRas for male smokers and young adults are consistently less than 1.0 across all provinces, indicating that a lower proportion of these high-risk smokers were receiving evidence-based smoking cessation treatment from quitlines. Those with high levels of tobacco addiction and less than high school education have ReRas greater than 1.0, indicating that a greater proportion of these smokers were receiving cessation treatments. CONCLUSION: ReRas complement other measures of reach and provide a standardized estimate of the extent to which subgroups of interest are benefiting from available cessation interventions. This information can help quitline operators, funders, and policymakers determine the need for promotional strategies targeted to high risk subgroups, and allocate resources to meet program and policy objectives.
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 | 0,003 | 0,001 |
| 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 | 0,001 | 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 ».