MétaCan
Menu
Retour à la cohorte
Enregistrement W2385757068 · doi:10.4137/sart.s34551

Blogging to Quit Smoking: Sharing Stories from Women of Childbearing Years in Ontario

2016· article· en· W2385757068 sur OpenAlexaffabout
Nadia Minian, Aliya Noormohamed, Rosa Dragonetti, Julie E. Maher, Christina Lessels, Peter Selby

Notice bibliographique

RevueSubstance Abuse Research and Treatment · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueSmoking Behavior and Cessation
Établissements canadiensOntario Tobacco Research UnitUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesnon disponible
Mots-clésJournaling file systemQuit smokingSmoking cessationMedicineQualitative researchSocial mediaFamily medicinePsychology

Résumé

récupéré en direct d'OpenAlex

This study examined the degree to which the pregnant or postpartum women, in the process of quitting smoking, felt that writing in a blog about their smoking cessation journeys helped them in their efforts to become or remain smoke free. Five women who blogged for Prevention of Gestational and Neonatal Exposure to Tobacco Smoke (a website designed to help pregnant and postpartum women quit smoking) were interviewed about their experiences as bloggers. Participants were asked to complete an online survey, which had closed-ended questions regarding their sociodemographic and smoking characteristics. Once they completed the survey, semistructured qualitative interviews were conducted over the phone. Findings suggest that blogging might combine several evidence-based behavioral strategies for tobacco cessation, such as journaling and getting support from others who use tobacco. Being part of a blogging community of women who have experienced or are experiencing similar challenges can be therapeutic and help women gain confidence in their ability to quit smoking. In conclusion, blogging may help pregnant and postpartum women quit smoking by increasing their social support and promoting self-reflection.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,478
Score d'incertitude au seuil0,961

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0110,003
Communication savante0,0030,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,102
Tête enseignante GPT0,354
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSubstance Abuse Research and TreatmentMême sujetSmoking Behavior and CessationTravaux en français237 207