Gender differences in cigarette smoking cessation attempts among adults who smoke and drink alcohol at high levels: Findings from the 2018–2020 International Tobacco Control Four Country Smoking and Vaping Surveys
Notice bibliographique
Résumé
BACKGROUND: This study examined the association between alcohol consumption and smoking cessation behaviour of adults who smoke in four countries. METHODS: Data came from 4275 adults (≥18 years) who smoked tobacco ≥ monthly and participated in the 2018 and 2020 International Tobacco Control Four Country Smoking and Vaping Surveys (Australia: n = 720; Canada: n = 1250; US: n = 1011; England: n = 1294). The 2018 Alcohol Use Disorders Identification Test-Consumption (AUDIT-C) survey data coded into three levels ('never/low', 'moderate' or 'heavy' consumption) were analysed using multivariable logistic regression models to predict any smoking cessation attempts and successful cessation by 2020 survey, and whether this differed by gender and country. RESULTS: Compared to never/low alcohol consumers, only those who drink heavily were less likely to have made a quit smoking attempt (40.4 % vs. 43.8 %; AOR = 0.69, 95 % CI = 0.57-0.83, p < .001). The association differed by gender and country (3-way interaction, p < .001), with females who drink heavily being less likely to attempt to quit smoking in England (AOR = 0.27, 95 % CI = 0.15-0.49, p < .001) and Australia (AOR = 0.38, 95 % CI = 0.19-0.77, p = .008), but for males, those who drink moderately (AOR = 2.18, 95 % CI = 1.17-4.06, p = .014) or heavily (AOR = 2.61, 95 % CI = 1.45-4.68, p = .001) were more likely to make a quit attempt in England only. Alcohol consumption did not predict quit success. CONCLUSION: Heavy alcohol use among adults who smoke appears to only undermine the likelihood of trying to quit smoking with some variation by gender and country of residence, but not their chances of succeeding if they tried.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».