A combined community health worker and text messaging-based intervention for smoking cessation in India: Project MUKTI – A mixed methods study
Notice bibliographique
Résumé
INTRODUCTION: We sought to evaluate the effectiveness of a community health worker (CHW) led smoking cessation intervention, supplemented by text messages, and tailored to an individual's readiness to quit. METHODS: We conducted a cluster randomized controlled trial (April 2018-August 2019) in adult smokers residing in a semi-urban region of India. Participants in the intervention arm received CHW-led home visits and had the option of choosing to receive regular text messages. The dose and content of CHW counseling and text messages were tailored to the participant's readiness to quit. The control group received brief education only. Primary outcome was biochemically verified smoking cessation at the end of 12 months. Both intention-to-treat and as-treated analyses were performed. RESULTS: A total of 238 (mean age 43±12.3 years, male 96.2%) participants were enrolled; 151 (64%) in the intervention arm and 83 (35.4%) in the control arm. At 12 months, 31 (20.5%) participants in the intervention arm and 9 (10.8%) in the control arm quit smoking (absolute risk difference=9.7%; RR=1.69; 95% CI: 0.04-71.33, p=0.74). In the as-treated analysis, 17 (36.9%) of the 46 participants who received optimal dose of the intervention quit smoking. CONCLUSIONS: CHW-led home-based counseling, supplemented by regular text messages, led to an increase in quit rates for smoking, especially among those exposed to a higher dose of the intervention. However, the difference in cessation rates was not statistically significant. Future studies should consider testing mobile application-based multimedia messaging with larger populations, as a supplement to CHW-based counseling.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».