Who Are More Likely to Have Quit Intentions among Malaysian Adult Smokers? Findings from the 2020 ITC Malaysia Survey
Notice bibliographique
Résumé
Increasing quitting among smokers is essential to reduce the population burden of smoking-related diseases. Smokers' intentions to quit smoking are among the strongest predictors of future quit attempts. It is therefore important to understand factors associated with intentions to quit, and this is particularly important in low- and middle-income countries, where there have been few studies on quit intentions. The present study was conducted to identify factors associated with quit intentions among smokers in Malaysia. Data came from the 2020 International Tobacco Control (ITC) Malaysia Survey, a self-administered online survey of 1047 adult (18+) Malaysian smokers. Smokers who reported that they planned to quit smoking in the next month, within the next six months, or sometime beyond six months were classified as having intentions to quit smoking. Factors associated with quit intentions were examined by using multivariable logistic regression. Most smokers (85.2%) intended to quit smoking. Smokers were more likely to have quit intentions if they were of Malay ethnicity vs. other ethnicities (adjusted odds ratio (AOR) = 1.82, 95% confidence interval (CI) = 1.03-3.20), of moderate (AOR = 2.11, 95% CI = 1.12-3.99) or high level of education vs. low level of education (AOR = 1.97, 95% CI = 1.04-3.75), if they had ever tried to quit smoking vs. no quit attempt (AOR = 8.81, 95% CI = 5.09-15.27), if they received advice to quit from a healthcare provider vs. not receiving any quit advice (AOR = 3.78, 95% CI = 1.62-8.83), and if they reported worrying about future health because of smoking (AOR = 3.11, 95% CI = 1.35-7.15 (a little worried/moderately worried vs. not worried); AOR = 7.35, 95% CI = 2.47-21.83 (very worried vs. not worried)). The factors associated with intentions to quit smoking among Malaysian smokers were consistent with those identified in other countries. A better understanding of the factors influencing intentions to quit can strengthen existing cessation programs and guide the development of more effective smoking-cessation programs in Malaysia.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».