Smoking Cessation Interventions and Abstinence Outcomes for People Living in Rural, Regional, and Remote Areas of Three High-Income Countries: A Systematic Review
Notice bibliographique
Résumé
INTRODUCTION: Tobacco smoking rates in high-income countries are greater in rural, regional, and remote (RRR) areas compared to cities. Yet, there is limited knowledge about interventions targeted to RRR smokers. This review describes the effectiveness of smoking cessation interventions for RRR smokers in supporting smoking abstinence. AIMS AND METHODS: Seven academic databases were searched (inception-June 2022) for smoking cessation intervention studies to include if they reported on RRR residents of Australia, Canada, or the United States, and short- (<6 months) or long-term (≥6 months) smoking abstinence outcomes. Two researchers assessed study quality, and narratively summarized findings. RESULTS: Included studies (n = 26) were primarily randomized control (12) or pre-post (7) designs, from the United States (16) or Australia (8). Five systems change interventions were included. Interventions included cessation education or brief advice, and few included nicotine monotherapies, cessation counseling, motivational interviewing, or cognitive behavioral therapy. Interventions had limited short-term effects on RRR smoking abstinence, decreasing markedly beyond 6 months. Short-term abstinence was best supported by contingency, incentive, and online cessation interventions, and long-term abstinence by pharmacotherapy. CONCLUSIONS: Cessation interventions for RRR smokers should include pharmacotherapy and psychological cessation counseling to establish short-term abstinence, and identify effective means of maintaining abstinence beyond 6 months. Contingency designs are a suitable vehicle for psychological and pharmacotherapy support for RRR people who smoke, and intervention tailoring should be explicitly considered. IMPLICATIONS: Smoking disproportionately harms RRR residents, who can encounter access barriers to smoking cessation support. High-quality intervention evidence and outcome standardization are still required to support long-term RRR smoking abstinence.
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 | 0,006 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,008 |
| Bibliométrie | 0,010 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».