Factors and reasons for planning to quit smoking among a nationally representative sample of adults who smoke: Findings from the 2021 ITC EUREST-PLUS Spain Survey
Notice bibliographique
Résumé
INTRODUCTION: Intentions to quit are the strongest predictor of successful smoking cessation and future quit attempts. This study assesses factors associated with quit intentions among adults who smoke in Spain. METHODS: Data are from the 2021 International Tobacco Control (ITC) EUREST-PLUS Spain Wave 3 Survey, a nationally representative survey of adults aged ≥18 years who smoke (n=1006). Analysis was restricted to 867 adults who provided information about quit intentions. Multivariable Poisson regression was used to examine several correlates of quit intentions. Adjusted prevalence ratios (APR) were estimated. RESULTS: Less than half (45.6%) of adults who smoke reported intending to quit, with only 13.0% intending to quit in the next 6 months; 11.3% reported at least one quit attempt in the past year. Factors associated with quit intentions were having a high income (APR=1.39; 95% CI: 1.01-1.92), having at least one quit attempt in the previous year (APR=1.41; 95% CI: 1.16-1.71), worrying that smoking will damage one's health (APR=1.52; 95% CI: 1.05-2.20), regretting starting to smoke (agree, APR=1.25; 95% CI: 1.03-1.52; disagree, APR=0.66; 95% CI: 0.46-0.95), health concerns (APR=1.46; 95% CI: 1.17-1.82), and smoking restrictions in public places (APR=1.28; 95% CI: 1.06-1.54). CONCLUSIONS: Only13% of adults from Spain who smoke intend to quit in the next 6 months. Factors associated with quitting were high income, at least one quit attempt in the past year, worrying about health damage from smoking, regretting starting to smoke, having health concerns, and smoking restrictions in public places. There is a need for comprehensive measures that encourage and support people to quit.
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 | 0,002 |
| 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 | 0,000 |
| 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 ».