The predictive utility of micro indicators of concern about smoking: findings from the International Tobacco Control Four Country study
Notice bibliographique
Résumé
This study explored the association between six "micro indicators" of concern about smoking (1. stubbing out cigarettes before finishing; 2. forgoing cigarettes due to packet warning labels; thinking about... 3. the harms to oneself of smoking; 4. the harms to others of one's smoking; 5. the bad conduct of tobacco companies; and 6. money spent on cigarettes) and cessation outcomes (making quit attempts, and achieving at least six months of sustained abstinence) among adult smokers from Australia, Canada, the United Kingdom, and the United States of America. Participants were 12,049 individuals from five survey waves of the International Tobacco Control Four Country Survey (interviewed between 2002 and 2006, and followed-up approximately one year later). Generalized estimating equation logistic regression analysis was used, enabling us to control for within-participant correlations due to possible multiple responses by the same individual over different survey waves. The frequency of micro indicators predicted making quit attempts, with premature stubbing out, forgoing, and thinking about the harms to oneself of smoking being particularly strong predictors. An interaction effect with expressed intention to quit was observed, such that stubbing out and thinking about the harms on oneself predicted quit attempts more strongly among smokers with no expressed plans to quit. In contrast, there was a negative association between some micro indicators and sustained abstinence, with more frequent stubbing out, forgoing, and thinking about money spent on cigarettes associated with a reduced likelihood of subsequently achieving sustained abstinence. In countries with long-established tobacco control programs, micro indicators index both high motivation by smokers to do something about their smoking at least partly independent of espoused intention and, especially those indicators not part of a direct pathway to quitting, reduced capacity to quit successfully.
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 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».