Gender Differences in Medication Use and Cigarette Smoking Cessation: Results From the International Tobacco Control Four Country Survey
Notice bibliographique
Résumé
INTRODUCTION: There is conflicting evidence for gender differences in smoking cessation, and there has been little research on gender differences in smoking cessation medication (SCM) use and effectiveness. Using longitudinal data from the International Tobacco Control Four Country Surveys (ITC-4) conducted in the United Kingdom, the United States, Canada, and Australia, we examined gender differences in the incidence of quit attempts, reasons for quitting, use of SCMs, reasons for discontinuing use of SCMs, and rates of smoking cessation. METHODS: Data were analyzed from adult smokers participating in the ITC-4, annual waves 2006-2011 (n = 7,825), as well as a subsample of smokers (n = 1,079) who made quit attempts within 2 months of survey. Adjusted modeling utilized generalized estimating equations. RESULTS: There were no gender differences in the likelihood of desire to quit, plans to quit, or quit attempts between survey waves. Among quit attempters, women had 31% lower odds of successfully quitting (OR = 0.69; 95% CI = 0.51, 0.94). Stratified by medication use, quit success was lower among women who did not use any SCMs (OR = 0.59; 95% CI = 0.39, 0.90), and it was no different from men when medications were used (OR = 0.73; 95% CI = 0.46, 1.16). In particular, self-selected use of nicotine patch and varenicline contributed to successful quitting among women. CONCLUSIONS: Women may have more difficulty quitting than men, and SCMs use may help attenuate this difference.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».