Tobacco control policies and smoking cessation treatment utilization: A moderated mediation analysis
Notice bibliographique
Résumé
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 associations between tobacco policies and treatment use varies across sociodemographic groups. METHODS: We used data from 62,165 U.S. adult participants in the 2003 and 2010/11 Tobacco Use Supplement to the Current Population Survey (TUS-CPS) who reported smoking cigarettes during the past-year. We built on prior structural equation models used to quantify the degree to which smoking cessation treatment use (prescription medications, nicotine replacement therapy, counseling/support groups, quitlines, and internet resources) mediated the association between clean indoor air laws, cigarette excise taxes, and recent smoking cessation. In the current study, we added selected moderators to each model to investigate whether associations between tobacco polices and smoking cessation treatment use varied by sex, race/ethnicity, education, income, and health insurance status. RESULTS: Associations between clean indoor air laws and the use 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. Higher cigarette excise taxes in 2010/2011 were associated with higher odds of using counseling among older adults and higher odds of using prescription medications among 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 associations between clean indoor air laws and smoking cessation treatment use 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 | 0,030 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,009 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 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 ».