Associations between Practitioner Personality and Client Quit Rates in Smoking Cessation Behavioural Support Interventions
Notice bibliographique
Résumé
Introduction: There is wide variation in the success rates of practitioners employed to help smokers to stop, even once a range of potential confounding factors has been taken into account. Aim: This paper examined whether personality characteristics of practitioners might play a role success rates. Methods: Data from 1,958 stop-smoking treatment episodes in two stop-smoking services (SSS) involving 19 stop-smoking practitioners were used in the analysis. The outcome measure was clients’ biochemically verified quit status 4 weeks after the target quit date. The five dimensions of personality, as assessed by the Ten-Item Personality Inventory, were included as predictor variables: openness, conscientiousness, agreeableness, extraversion, and neuroticism. A range of client and other practitioner characteristics were used as covariates. A sensitivity analysis was conducted to determine if managers' ratings of practitioner personality were also associated with clients’ quit status. Results: Multi-level random intercept models indicated that clients of practitioners with a higher extraversion score had greater odds of being abstinent at four weeks (self-assessed: OR = 1.10, 95% CI = 1.01–1.19; manager-assessed: OR = 1.32, 95% CI = 1.21–1.44). Conclusions: More extraverted stop smoking practitioners appear to have greater success in advising their clients to quit smoking. Findings need to be confirmed in larger practitioner populations, other SSS, and in different smoking cessation contexts. If confirmed, specific training may be needed to assist more introverted stop smoking practitioners.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».