Receiving support to quit smoking and quit attempts amongsmokers with and without smoking related diseases: Findingsfrom the EUREST-PLUS ITC Europe Surveys
Notice bibliographique
Résumé
INTRODUCTION: Having a chronic disease either caused or worsened by tobacco smoking does not always translate into quitting smoking. Although smoking cessation is one of the most cost-effective medical interventions, it remains poorly implemented in healthcare settings. The aim was to examine whether smokers with chronic and respiratory diseases were more likely to receive support to quit smoking by a healthcare provider or make a quit attempt than smokers without these diseases. METHODS: This population-based study included a sample of 6011 adult smokers in six European countries. The participants were interviewed face-to-face and asked questions on sociodemographic characteristics, current diagnoses for chronic diseases, healthcare visits in the last 12 months and, if so, whether they had received any support to quit smoking. Questions on smoking behavior included nicotine dependence, motivation to quit smoking and quit attempts in the last 12 months. The results are presented as weighted percentages with 95% confidence intervals (CI) and as adjusted odds ratios with 95% CI based on logistic regression analyses. RESULTS: Smokers with chronic respiratory disease, those aged 55 years and older, as well as those with one or more chronic diseases were more likely to receive smoking cessation advice from a healthcare professional. Making a quit attempt in the last year was related to younger age, high educational level, higher motivation to quit, lower nicotine dependence and having received advice to quit from a healthcare professional but not with having chronic diseases. There were significant differences between countries with smokers in Romania consistently reporting more support to quit as well as quit attempts. CONCLUSIONS: Although smokers with respiratory disease did indeed receive smoking cessation support more often than smokers without disease, many smokers did not receive any advice or support to quit during a healthcare visit.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 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 ».