Treatment Outcomes of a Tailored Smoking Cessation Programme for Individuals Accessing Addiction Treatment Services
Notice bibliographique
Résumé
Background: Individuals with substance use disorders (SUD) have disproportionately higher smoking prevalence and tobacco-related mortality than the general population. This high prevalence of smoking warrants a need for targeted tobacco treatment efforts.\nObjectives: To examine smoking cessation outcomes and predictors of successful smoking cessation among individuals with SUD accessing a tobacco dependence clinic (TDC) within Addiction Services.\nMethods: Based on clinical guidelines, participants of the TDC received behavioural therapy combined with tailored pharmacotherapy for tobacco treatment (at no cost). A retrospective chart review from 678 participants enrolled in the TDC between Sept 2007 and Dec 2011 was analyzed. 7-day point-prevalence abstinence (validated by expired carbon monoxide) at end-of-treatment was the main outcome measure.\nResults: For individuals who completed the program (n=523), the abstinence rate was 40.3%. Significant predictors of successful smoking abstinence at the end-of-treatment were: a) having a lower expired CO level at baseline, and b) staying in treatment for a greater number of weeks.\nConclusions: Tobacco treatment tailored to the needs of individuals with SUD is an important approach to reduce the disproportionate tobacco-related morbidity and mortality in this population. Specialized tobacco treatment in addiction service settings is well received by clients who are motivated to quit smoking.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».