Identifying factors associated with quit intentions among smokers from two nationally representative samples in Africa: Findings from the ITC Kenya and Zambia Surveys
Notice bibliographique
Résumé
It is well established that intentions to quit smoking is the strongest predictor of future quit attempts. However, most studies on quit intentions have been conducted in high-income countries with very few in low- and middle-income countries particularly in Africa. This is the first population-based study to compare factors associated with quit intentions among smokers in two African countries. Data were from the International Tobacco Control (ITC) Kenya and Zambia Surveys (2012), face-to-face surveys of nationally representative samples of 2291 adult smokers (Kenya = 1103; Zambia = 1188). Multivariate logistic regression analyses were conducted to identify predictors of quit intentions. Most Kenyan (65.1%) and Zambian (69.1%) smokers had quit intentions of which 54.8% planned to quit within the next 6 months. Five factors were significantly associated with quit intentions in both countries: being younger, having tried to quit previously, perceiving that quitting is beneficial to health, worrying about future health consequences of smoking, and being low in nicotine dependence. The predictive strength of these factors did not differ in the two countries. Four additional factors were significant predictors in Zambia only: having a quit attempt lasting six months or more, lower smoking enjoyment, having a negative opinion about smoking, and concern about cigarette expenses. The factors predicting quit intentions were similar to those in other ITC countries including Canada, US, UK, China and Mauritius. These findings highlight the need for stronger tobacco control policies in Kenya and Zambia including increased taxation, greater access to cessation services, and anti-smoking campaigns denormalizing tobacco use.
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 | 0,002 | 0,002 |
| 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 | 0,000 | 0,000 |
| 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 ».