Run to quit: The potential of run clinics to improve mental health in adult smokers
Notice bibliographique
Résumé
Multiple health behaviour change interventions hold promise in enhancing health. In particular, increasing physical activity has been associated with improved mental health while the effect of smoking cessation has been estimated to be equal to or greater than effects of antidepressants on mood disorders. Run to Quit is a national initiative targeting physical inactivity and smoking using group run clinics in 21 locations across Canada. The purpose of this study is to describe the intervention and present baseline data. The intervention is multi-layered, and consists of several evidence-based approaches that target smoking cessation through group-based running, curriculum regarding effective ways to smoking, self-help materials, involvement of family or friends as quit buddies, etc. Implementation and outcomes of this program will be examined using a mixed methods approach. Participants will complete questionnaires assessing physical activity, smoking and quality of life at weeks 1, 3, and 10 in the 10-week program. An objective measure of smoking status will be taken pre- and post-program. Post-program interviews will be conducted with participants and coaches. Baseline demographic data suggests that the majority of participants (n = 161) are female (71%), Caucasian (91%), report being 'somewhat' to 'very stressed' (86%), and are regular smokers (avg. 12.58 cigarettes/day). Results examining associations between physical activity and quality of life at baseline will be presented. This research investigating the implementation of a multi-layered, group-level intervention will provide insights into the ability to change multiple health behaviours, and subsequent physical and mental health, of inactive smokers.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».