Using ‘Smart’ Technology to Aid in Cigarette Smoking Cessation: Examining an Innovative Way to Monitor and Improve Quit Attempt Outcomes
Notice bibliographique
Résumé
Abstract Introduction Recently, smartphone applications (apps) have been used as smoking cessation aids. Interactive apps appear to more effective than non-interactive apps. SmokeBeat, a smartphone app used in conjunction with a smartwatch, aims to detect smoking events, interact with the user as they occur and potentially stop smoking events before they occur in the future. Aims The purpose of this feasibility study was to determine the sensitivity and specificity of SmokeBeat in detecting smoking events. Methods The feasibility of using the app as a smoking cessation aid was tested over a 2-week period by daily, dependent smokers. SmokeBeat's cigarette detection rate was measured in laboratory sessions both before and after the 2-week period. Fisher's exact test was used to compare detection rates from each session. Results/Findings The detection rate was 22.5% during session 1 and 41.7% during session 2. Once technological issues were controlled for (i.e., signal loss between smartphone and smartwatch), SmokeBeat's detection rate improved over the 2-week period, resulting in a 100% detection rate. Conclusions Apps which can detect smoking events in real time present an opportunity for a proactive and interactive smoking cessation aid – a potentially useful tool for individuals attempting to quit smoking.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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) | 0,000 | 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 ».