Factors associated with intentions to quit tobacco use in Lebanon: A cross-sectional survey
Notice bibliographique
Résumé
Introduction: The prevalence of tobacco smoking in Lebanon is among the highest globally. This study aims to determine past attempts to quit smoking among adults and identify factors associated with intentions to quit. Methods: A nationally representative telephone survey was conducted between June and August 2022. Eligibility criteria included people aged >=18 years residing in Lebanon. The questionnaire was divided into three components: socio-demographic characteristics, cigarette and waterpipe tobacco use behaviours. Binary logistic regression was used to examine factors associated with intention to quit cigarette and waterpipe tobacco use. Results: A total of 2003 respondents were included in the study. The prevalence of any tobacco product use was 41%, the prevalence of current cigarette smoking was 41% and the prevalence of current waterpipe tobacco use was 20%. Approximately 24% of adults who smoke cigarettes and 26% of those who use waterpipe tobacco had previous quit attempts mainly due to health concerns. Intentions to quit smoking within the next 6 months were reported among 12% of survey respondents. Among adults who smoke, past quit attempts increased the likelihood of intentions to quit cigarette smoking by 5-fold (OR: 5.11; 95% CI: 1.80-14.47, p = 0.002) and waterpipe tobacco use by 7-fold (OR: 6.98, 95% CI: 2.63-18.51, p = <0.001). Age and income were associated with intentions to quit cigarette but not waterpipe tobacco use. Conclusion: Intention to quit smoking was strongly associated with past quitting attempts. Understanding factors associated with intentions to quit can help inform the development of context specific smoking cessation interventions.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,000 |
| 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 ».