Factors associated with changing cigarette consumption patterns among low-intensity smokers: Longitudinal findings across four waves (2008–2012) of ITC Mexico Survey
Notice bibliographique
Résumé
Light and intermittent smoking has become increasingly prevalent as smokers shift to lower consumption in response to tobacco control policies. We examined changes in cigarette consumption patterns over a four-year period and determined which factors were associated with smoking transitions. We used data from a cohort of smokers from the 2008–2012 ITC Mexico Survey administrations to investigate transitions from non-daily (ND; n = 669), daily light (DL; ≤5 cigarettes per day (cpd); n = 643), and daily heavy (DH; >5 cpd; n = 761) smoking patterns. To identify which factors (i.e., sociodemographic measures, perceived addiction, quit behavior, social norms) were associated with smoking transitions, we stratified on smoking status at time t (ND, DL, DH) and used multinomial (ND, DL) and binomial (DH) logistic regression to examine transitions (quitting/reducing or increasing versus same level for ND and DL, quitting/reducing versus same level for DH). ND smokers were more likely to quit at follow-up than DL or DH smokers. DH smokers who reduced their consumption to ND were more likely to quit eventually compared to those who continued as DH. Smokers who perceived themselves as addicted had lower odds of quitting/reducing smoking consumption at follow-up compared to smokers who did not, regardless of smoking status at the prior survey. Quit attempts and quit intentions were also associated with quitting/reducing consumption. Reducing consumption may eventually lead to cessation, even for heavier smokers. The findings that perceived addiction and quit behavior were important predictors of changing consumption for all groups may offer insights into potential interventions.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».