Quitting behaviours and cessation methods used in eight European Countries in 2018: findings from the EUREST-PLUS ITC Europe Surveys
Notice bibliographique
Résumé
BACKGROUND: We examined quit attempts, use of cessation assistance, quitting beliefs and intentions among smokers who participated in the 2018 International Tobacco Control (ITC) Europe Surveys in eight European Union Member States (England, Germany, Greece, Hungary, the Netherlands, Poland, Romania and Spain). METHODS: Cross-sectional data from 11 543 smokers were collected from Wave 2 of the ITC Six European Country (6E) Survey (Germany, Greece, Hungary, Poland, Romania and Spain-2018), the ITC Netherlands Survey (the Netherlands-late 2017) and the Four Countries Smoking and Vaping (4CV1) Survey (England-2018). Logistic regression was used to examine associations between smokers' characteristics and recent quit attempts. RESULTS: Quit attempts in the past 12 months were more frequently reported by respondents in the Netherlands (33.0%) and England (29.3%) and least frequently in Hungary (11.5%), Greece (14.7%), Poland (16.7%) and Germany (16.7%). With the exception of England (35.9%), the majority (56-84%) of recent quit attempts was unaided. Making a quit attempt was associated with younger age, higher education and income, having a smoking-related illness and living in England. In all countries, the majority of continuing smokers did not intend to quit in the next 6 months, had moderate to high levels of nicotine dependence and perceived quitting to be difficult. CONCLUSIONS: Apart from England and the Netherlands, smokers made few quit attempts in the past year and had low intentions to quit in the near future. The use of cessation assistance was sub-optimal. There is a need to examine approaches to supporting quitting among the significant proportion of tobacco users in Europe and increase the use of cessation support as part of quit attempts.
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 | 0,042 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».