Associations of Cannabis Use, High-Risk Alcohol Use, and Depressive Symptomology with Motivation and Attempts to Quit Cigarette Smoking Among Adults: Findings from the 2020 ITC Four Country Smoking and Vaping Survey
Notice bibliographique
Résumé
Abstract This study assessed independent and interaction effects of the frequency of cannabis use, high-risk alcohol use, and depressive symptomology on motivation and attempts to quit cigarette smoking among adults who regularly smoked. Cross-sectional data are from the 2020 International Tobacco Control Four Country Smoking and Vaping Survey and included 7044 adults (ages 18 + years) who smoked cigarettes daily in Australia (n = 1113), Canada (n = 2069), England (n = 2444), and the United States (USA) (n = 1418). Among all respondents, 33.1% of adults reported wanting to quit smoking “a lot,” and 29.1% made a past-year quit attempt. Cannabis use was not significantly associated with either outcome (both p ≥ 0.05). High-risk alcohol use was significantly associated with decreased odds of motivation to quit (p = 0.02) and making a quit attempt (p = 0.004). Depressive symptomology was associated with increased odds for both outcomes (both p < 0.001). There were no significant 2- or 3-way interactions between cannabis use, alcohol consumption, and depressive symptomatology. Overall, just over a quarter of adults who smoked daily reported making a recent quit attempt, and most were not highly motivated to quit. Longitudinal research should investigate whether there are linkages between cannabis use, risky alcohol consumption, and/or depression on successful long-term smoking cessation.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».