A Randomized, Controlled Trial of Financial Incentives for Smoking Cessation
Notice bibliographique
Résumé
BACKGROUND: Smoking is the leading preventable cause of premature death in the United States. Previous studies of financial incentives for smoking cessation in work settings have not shown that such incentives have significant effects on cessation rates, but these studies have had limited power, and the incentives used may have been insufficient. METHODS: We randomly assigned 878 employees of a multinational company based in the United States to receive information about smoking-cessation programs (442 employees) or to receive information about programs plus financial incentives (436 employees). The financial incentives were $100 for completion of a smoking-cessation program, $250 for cessation of smoking within 6 months after study enrollment, as confirmed by a biochemical test, and $400 for abstinence for an additional 6 months after the initial cessation, as confirmed by a biochemical test. Individual participants were stratified according to work site, heavy or nonheavy smoking, and income. The primary end point was smoking cessation 9 or 12 months after enrollment, depending on whether initial cessation was reported at 3 or 6 months. Secondary end points were smoking cessation within the first 6 months after enrollment and rates of participation in and completion of smoking-cessation programs. RESULTS: The incentive group had significantly higher rates of smoking cessation than did the information-only group 9 or 12 months after enrollment (14.7% vs. 5.0%, P<0.001) and 15 or 18 months after enrollment (9.4% vs. 3.6%, P<0.001). Incentive-group participants also had significantly higher rates of enrollment in a smoking-cessation program (15.4% vs. 5.4%, P<0.001), completion of a smoking-cessation program (10.8% vs. 2.5%, P<0.001), and smoking cessation within the first 6 months after enrollment (20.9% vs. 11.8%, P<0.001). CONCLUSIONS: In this study of employees of one large company, financial incentives for smoking cessation significantly increased the rates of smoking cessation. (ClinicalTrials.gov number, NCT00128375.)
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,001 |
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 ».