MétaCan
Menu
← Retour à la cohorte
Enregistrement W4366742340 · doi:10.1186/s12889-023-15678-9

Smokers’ strategies to reduce tobacco spending: self-reported use and differences across subgroups. Findings from the International Tobacco Control (ITC) Netherlands Survey

2023· article· en· W4366742340 sur OpenAlexafffund
Cloé Geboers, Math J. J. M. Candel, Gera E. Nagelhout, Hein de Vries, Bas van den Putte, Geoffrey T. Fong, Marc C. Willemsen

Notice bibliographique

RevueBMC Public Health · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSmoking Behavior and Cessation
Établissements canadiensUniversity of WaterlooOntario Institute for Cancer Research
Organismes subventionnairesCanadian Institutes of Health ResearchUniversity of WaterlooOntario Institute for Cancer Research
Mots-clésTobacco controlMedicineMultinomial logistic regressionBiostatisticsConsumption (sociology)EurosEnvironmental healthSmoking cessationLogistic regressionTobacco usePublic healthDemographyPopulation

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The cost of tobacco is one of the most reported reasons for smoking cessation. Rather than quitting, smokers can use also strategies to reduce tobacco expenditure while continuing smoking, such as smoking less or using price-minimising strategies. The Netherlands announced to increase the price of a pack cigarettes from seven (2018) to ten euros (2023), to reduce tobacco prevalence and consumption. This study explores the self-reported strategies to reduce tobacco spending among Dutch smokers, and whether this differed per age, income, and education. Additionally, we analysed among quitters in these subgroups whether price played a role in their decision to quit. METHODS: Cross-sectional survey data from the International Tobacco Control (ITC) Netherlands Wave 2 (September-November 2020, N = 1915) was used. Strategies to reduce spending among smokers (N = 1790) were: reducing consumption, bulk buying, switching to cheaper products or buying from low-taxed sources. These were collapsed into: reducing consumption (solely or in combination with other behaviours), solely price-minimising behaviours (such as buying cheaper brands), or no strategies to reduce spending. Associations between strategies and characteristics were analysed through multinomial and binary logistic regression models. Second, we explored which subgroups were more likely to report that price played a role in their decision to quit among quitters (N = 125). RESULTS: The majority of smokers used strategies to reduce tobacco spending: 35.6% reduced consumption and 19.3% used solely price-minimising strategies. 82.1% of quitters reported that price played a role in their decision to quit. Low-income individuals were more likely to report price as a reason for quitting and reduce consumption, but also to buy cheaper products. Highly nicotine dependent smokers were more likely to use price-minimising behaviours, and less likely to reduce consumption. CONCLUSIONS: The majority reported using strategies to reduce spending or that price played a role in their decision to quit. Reducing consumption was the most reported strategy. Low-income smokers were more likely to reportedly reduce consumption, buy cheaper products, or quit. Price policies have the potential to reduce socioeconomic inequalities in smoking. To discourage price-minimising behaviours, such as switching to cheaper products, reducing price differences between products should be prioritized.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,103

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,172
Tête enseignante GPT0,383
Écart entre enseignants0,211 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Public Health→Même sujetSmoking Behavior and Cessation→Travaux en français237 207→