Long-term engagement in smoking cessation campaign: A mixed methods randomized trial
Notice bibliographique
Résumé
INTRODUCTION: A long-term engagement (LTE) intervention was embedded in a social marketing campaign aimed at motivating quit attempts among Canadian adult commercial tobacco users 35 to 64 years of age. The purpose of this study was to examine the effectiveness and appeal of LTE within a marketing campaign. METHODS: 3,199 Canadians who smoked cigarettes aged 35-64 recruited using Facebook and Instagram advertisements were randomized into Intervention and Control groups. Over the course of two years, Intervention Group participants received monthly emails connecting them to campaign news and activities, Mini Surveys to inform campaign refinement, feedback opportunities via focus groups and interviews, financial incentives, and proactive knowledge exchange presenting study findings. Both groups responded to a baseline and follow-up surveys every six months. RESULTS: LTE Intervention Group participants engaged frequently with emails (unique opens, open rates, click rates, and total clicks). Compared with Control Group members, they had significantly higher rates of: unaided and aided campaign awareness; engagement with the social marketing campaign (website visits, social media visits, likes/shares); actions towards making quit attempts; quit attempts. Many participants expressed feelings of motivation, support, and a sense of belonging. CONCLUSIONS: When embedded in a social marketing campaign, meaningful long-term engagement of adults who smoke cigarettes shows promise as an intervention to promote quitting behaviors. IMPLICATIONS: Active long-term engagement can significantly amplify the effects of social marketing campaigns aimed at promoting quit smoking behaviours among adults. The active engagement approach applied indicates that frequent long-term engagement is more effective when done in a more holistic, empathetic manner. The intervention also allows for real-time learning to support campaign development. TRIAL REGISTRATION: ISRCTN94797633.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,001 |
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 ».