Tobacco control policies and smoking cessation treatment utilization: a moderated mediation analysis
Notice bibliographique
Résumé
Abstract Background Tobacco policies, including clean indoor air laws and cigarette taxes, increase smoking cessation in part by stimulating the use of cessation treatments. We explored whether the mediating effect of such treatments varies across socio-demographic groups. Methods We used data from 62,165 U.S. adult participants in the 2003 and 2010/11 Current Population Survey-Tobacco Use Supplement (CPS-TUS) who reported smoking cigarettes during the past year. Building on prior structural equation models used to quantify the degree to which smoking cessation treatments (prescription medications, nicotine replacement therapy, counselling/support groups, quitlines, and internet resources) mediated the association between clean indoor air laws, cigarette excise taxes, and recent smoking cessation, we added selected moderators to each model to investigate whether mediation effects varied by sex, race/ethnicity, education, income, and health insurance status. Results For clean indoor air laws, the mediating effect of prescription medication and nicotine replacement therapies varied significantly between racial/ethnic, age, and education groups in 2003. However, none of these moderation effects remained significant in 2010/11. For cigarette excise taxes in 2010/2011, the mediating effect of counseling was stronger in older adults; whereas, the mediating effect of prescription medications tended to be stronger in younger adults. No other moderator reached statistical significance. Smoking cessation treatments did not mediate the effect of taxes on smoking cessation in 2003 and were not included in these analyses. Conclusions Sociodemographic differences in how smoking cessation treatment use mediates between clean indoor air laws and smoking cessation have decreased from 2003 to 2010/11. In most cases, policies appear to stimulate smoking cessation treatment use similarly across varied sociodemographic groups.
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 | 0,026 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,009 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,001 |
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 ».