Identifying contexts and mechanisms in multiple behavior change interventions affecting smoking cessation success: a rapid realist review
Notice bibliographique
Résumé
BACKGROUND: Smoking continues to be a leading cause of preventable chronic disease-related morbidity and mortality, excess healthcare expenditure, and lost work productivity. Tobacco users are disproportionately more likely to be engaging in other modifiable risk behaviours such as excess alcohol consumption, physical inactivity, and poor diet. While hundreds of interventions addressing the clustering of smoking and other modifiable risk behaviours have been conducted worldwide, there is insufficient information available about the context and mechanisms in these interventions that promote successful smoking cessation. The aim of this rapid realist review was to identify possible contexts and mechanisms used in multiple health behaviour change interventions (targeting tobacco and two or more additional risk behaviours) that are associated with improving smoking cessation outcome. METHODS: This realist review method incorporated the following steps: (1) clarifying the scope, (2) searching for relevant evidence, (3) relevance confirmation, data extraction, and quality assessment, (4) data analysis and synthesis. RESULTS: Of the 20,423 articles screened, 138 articles were included in this realist review. Following Michie et al.'s behavior change model (the COM-B model), capability, opportunity, and motivation were used to identify the mechanisms of behaviour change. Universally, increasing opportunities (i.e. factors that lie outside the individual that prompt the behaviour or make it possible) for participants to engage in healthy behaviours was associated with smoking cessation success. However, increasing participant's capability or motivation to make a behaviour change was only successful within certain contexts. CONCLUSION: In order to address multiple health behaviours and assist individuals in quitting smoking, public health promotion interventions need to shift away from 'individualistic epidemiology' and invest resources into modifying factors that are external from the individual (i.e. creating a supportive environment). TRIAL REGISTRATION: PROSPERO registration number: CRD42017064430.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».