A qualitative study of tobacco interventions for LGBTQ+ youth and young adults: overarching themes and key learnings
Notice bibliographique
Résumé
BACKGROUND: Smoking prevalence is very high among lesbian, gay, bisexual, transgendered and queer (LGBTQ+) youth and young adults (YYA) compared to non-LGBTQ+ YYA. A knowledge gap exists on culturally appropriate and effective prevention and cessation efforts for members of this diverse community, as limited interventions have been developed with and for this population, and there are very few studies determining the impact of these interventions. This study identifies the most salient elements of LGBTQ+ cessation and prevention interventions from the perspective of LGBTQ+ YYA. METHODS: Three descriptions of interventions tailored for LGBTQ+ YYA (group cessation counselling, social marketing, and a mobile phone app with social media incorporated), were shared with LGBTQ+ YYA via 24 focus groups with 204 participants in Toronto and Ottawa, Canada. Open-ended questions focused on their feelings, likes and dislikes, and concerns about the culturally modified intervention descriptions. Framework analysis was used to identify overarching themes across all three intervention descriptions. RESULTS: The data revealed eight overarching themes across all three intervention descriptions. Smoking cessation and prevention interventions should have the following key attributes: 1) be LGBTQ+ - specific; 2) be accessible in terms of location, time, availability, and cost; 3) be inclusive, relatable, and highlight diversity; 4) incorporate LGBTQ+ peer support and counselling services; 5) integrate other activities beyond smoking; 6) be positive, motivational, uplifting, and empowering; 7) provide concrete coping mechanisms; and 8) integrate rewards and incentives. CONCLUSIONS: LGBTQ+ YYA focus group participants expressed a desire for an intervention that can incorporate these key elements. The mobile phone app and social media campaign were noted as potential interventions that could include all the essential elements.
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 | 0,016 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,018 | 0,011 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».