The double-edged relationship between COVID-19 stress andsmoking: Implications for smoking cessation
Notice bibliographique
Résumé
INTRODUCTION: Although recent research shows that smokers respond differently to the COVID-19 pandemic, it offers little explanation of why some have increased their smoking, while others decreased it. In this study, we examined a possible explanation for these different responses: pandemic-related stress. METHODS: We conducted an online survey among a representative sample of Dutch current smokers from 11-18 May 2020 (n=957). During that period, COVID-19 was six weeks past the (initial) peak of cases and deaths in the Netherlands. Included in the survey were measures of how the COVID-19 pandemic had changed their smoking, if at all (no change, increased smoking, decreased smoking), and a measure of stress due to COVID-19. RESULTS: Overall, while 14.1% of smokers reported smoking less due to the COVID-19 pandemic, 18.9% of smokers reported smoking more. A multinomial logistic regression analysis revealed that there was a dose-response effect of stress: smokers who were somewhat stressed were more likely to have either increased (OR=2.37; 95% CI: 1.49-3.78) or reduced (OR=1.80; 95% CI: 1.07-3.05) their smoking. Severely stressed smokers were even more likely to have either increased (OR=3.75; 95% CI: 1.84-7.64) or reduced (OR=3.97; 95% CI: 1.70-9.28) their smoking. Thus, stress was associated with both increased and reduced smoking, independently from perceived difficulty of quitting and level of motivation to quit. CONCLUSIONS: Stress related to the COVID-19 pandemic appears to affect smokers in different ways, some smokers increase their smoking while others decrease it. While boredom and restrictions in movement might have stimulated smoking, the threat of contracting COVID-19 and becoming severely ill might have motivated others to improve their health by quitting smoking. These data highlight the importance of providing greater resources for cessation services and the importance of creating public campaigns to enhance cessation in this dramatic time.
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 | 0,005 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».