Analysis of Demographic Characteristics of Users of a Free Tobacco Cessation Smartphone App: Observational Study
Notice bibliographique
Résumé
BACKGROUND: Tobacco use continues to be the leading preventable cause of death, disease, and disability in the United States. Since 2000, Washington state has offered free tobacco "quitline" services to help its residents stop using tobacco. In 2015, the state began offering free access to a tobacco cessation smartphone app to absorb excess quitline demand. Since most publicly funded tobacco cessation programs are designed to provide access to populations disproportionately impacted by tobacco use, it is important to consider who these public health interventions reach. OBJECTIVE: The aim of this study is to understand who used a free cessation app and the extent to which users represented populations disproportionately impacted by tobacco use. METHODS: This is an observational study of 1280 adult Washington state residents who registered for and activated the cessation app. Demographic data were collected as part of the sign-up process, examined using standard descriptive measures, and assessed against state-level surveillance data for representativeness. RESULTS: Participants were primarily non-Hispanic White (978/1218, 80.3%), identified as female (780/1236, 63.1%), were between ages 25-54 years (903/1186, 76.1%), had at least some college education (836/1222, 68.4%), and reported a household income under US $50,000 (742/1055, 70.3%). Fewer respondents were from rural counties (359/1220, 29.4%); identified as lesbian, gay, bisexual, pansexual, queer, questioning, or asexual (LGBQA; 153/1222, 12.5%); were uninsured (147/1206, 12.2%); or were currently pregnant, planning pregnancy, or breastfeeding (42/624, 6.7%). However, relative to available state data for tobacco users, there was high representation of women, 35- to 54-year-olds, college graduates, and LGBQA individuals, as well as individuals with low household income, poor mental health, Medicaid insurance, and those residing in rural counties. CONCLUSIONS: A diverse population of tobacco users will use a free cessation app, including some demographic groups disproportionately impacted by tobacco use. With high reach and high efficacy, it is possible to address health disparities associated with tobacco use and dependence treatment among certain underserved and at-risk 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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».