Support for and potential impacts of key Smokefree 2025 strategies among Māori who smoke
Notice bibliographique
Résumé
AIM: The recently passed Smokefree Environments and Regulated Products (Smoked Tobacco) Amendment Act has the potential to profoundly reduce smoking prevalence and related health inequities experienced among Māori. This study examined support for, and potential impacts of, key measures included within the legislation. METHOD: Data came from Wave 1 (2017-2019) of the Te Ara Auahi Kore longitudinal study, which was conducted in partnership with five primary health organisations serving Māori communities. Participants were 701 Māori who smoked. Analysis included both descriptive analysis and logistic regression. RESULTS: More Māori participants supported than did not support the Smokefree 2025 (SF2025) goal of reducing smoking prevalence to below 5%, and the key associated measures. Support was greatest for mandating very low nicotine cigarettes (VLNCs). Participants also believed VLNCs would prompt high rates of quitting. Participants who had made more quit attempts or reported less control over their life were more likely to support VLNCs. CONCLUSION: There was support for the SF2025 goal and for key measures that could achieve it. In particular, VLNCs may have significant potential to reduce smoking prevalence among Māori. As part of developing and implementing these measures it will be important to engage with Māori who smoke and their communities.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».