Variation in characteristics of people with mental disorders across smoking status in the Canadian general population
Notice bibliographique
Résumé
INTRODUCTION: People with mental disorders are less successful in smoking cessation efforts. This study compared the characteristics of current smokers and former smokers with mental disorders. METHODS: This was a cross-sectional study that used the Public Use Microdata File of the Canadian Community Health Survey 2012. Survey respondents with any mental health disorder in the last 12 months (n=2700), identified using the World Health Organization Composite International Diagnostic Interview instrument, were included in the analysis. Smoking status was classified based on self-report responses as current, former and never smoker. Logistic regression models were used to analyze the data. RESULTS: The odds of quitting smoking were significantly lower among people who were single or never married (widowed/divorced/separated/single) compared to those who were married or had a common-law partner (adjusted odds ratio, AOR=0.6, 95% CI: 0.4-0.9). Similarly, significantly lower odds of quitting smoking were observed among people with less than post-secondary education compared to those with post-secondary education (AOR=0.4, 95% CI: 0.3- 0.6). Also, the odds of quitting were significantly lower among immigrants, young adults, and middle-aged adults. CONCLUSIONS: People who are young or middle-aged, single or never married, less educated, and immigrants, are less likely to quit smoking. This pattern underscores the socioeconomic disparities in quitting smoking among people with mental disorders. Future research should investigate why these groups continue to smoke more often than their counterparts. This will help design the smoking cessation support that address the challenges experienced by vulnerable populations and reduce the disparities.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».