Targeted distribution of nicotine patches by mail to rural regions of Canada: Predictors of patch use
Notice bibliographique
Résumé
INTRODUCTION: Rural regions generally report higher smoking rates than urban centers, which increases the risk of tobacco related harms and consequences, and makes promoting smoking cessation in these areas a priority. Mass distribution of nicotine replacement therapy (NRT) by postal mail has been found to increase the odds of successful cessation attempts. Understanding factors that contribute to the use of NRT could help maximize this intervention's effectiveness. METHODS: People who smoke cigarettes and live in rural areas of Canada were recruited from December 2020 to February 2022 using random digit telephone dialing. Participants were either randomized to be mailed a free, 5-week supply of NRT patches (experimental condition; n=252) or not (control condition; n=246). This secondary analysis used data from this randomized controlled trial to conduct an ordinal regression to determine if any variables measured at baseline predicted which participants in the experimental condition used none, some, or all of the NRT patches. RESULTS: Greater confidence in ability to quit (AOR=1.07; 95% CI: 1.00-1.15) independently predicted more patch use, while living in more remote places (AOR=0.25; 95% CI: 0.07-0.90) and past substance use (compared to having no history) (AOR=0.68; 95% CI: 0.45-1.04) independently predicted less use. CONCLUSIONS: Understanding what contributes to NRT use in rural mass distribution programs could help maximize the odds of successful cessation attempts, personalize treatment recommendations, and target limited rural resources. Future research focused on rural NRT use and smoking cessation is merited.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».