If You Pay, Will They Come? Evaluating the Impact of Subsidies on Cessation Outcomes in the Walk or Run to Quit Program
Notice bibliographique
Résumé
Introduction: Exercise interventions may assist smoking cessation attempts. One such publicly available 10-week program, Walk or Run to Quit (WRTQ), demonstrated success in smoking cessation and physical activity (PA) outcomes. However, initial WRTQ participants (2016-2017) were fairly homogenous in their demographic profile. To increase diversity, subsidies for participation were offered in 2018. This study assessed how the subsidies affected participant demographics, running frequency, smoking cessation, intention to quit, and program attendance and completion. Methods: The $70 registration fee was subsidized for 41% of participants in 2018. A pre-postdesign was used, with participants completing surveys on their demographics and smoking and physical activity behaviours. Descriptive statistics compared the year subsidies were available (2018) and unsubsidized years (2016-2017) and subsidized and unsubsidized participants' data from 2018. Results: The 2018 participants had lower average attendance and program completion rates compared to 2016-2017 and no statistically significant differences in demographics or smoking cessation and PA outcomes. There were no differences in smoking cessation, run frequency, or demographic variables between the subsidized and unsubsidized participants in 2018. Conclusions: Offering subsidies did not diversify the participant profile. Subsidies did not have a negative impact on attendance nor primary outcomes. Subsidies may not have addressed barriers that prevented a more diverse sample from participating in WRTQ, such as program location, timing, and design. Equitable access to smoking cessation programs remains essential. As subsidies may play a role in reducing financial barriers disproportionately faced by marginalized groups, the implementation of, and recruitment for, such subsidized programs requires further investigation.
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 | 0,007 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».