Types of smokers in a community sample of individuals with Type 2 diabetes: a latent class analysis
Notice bibliographique
Résumé
AIMS: Despite the detrimental effects of smoking on their health, a high number of adults with Type 2 diabetes continue to smoke. Identifying distinct types of smokers within this population could help tailor and target intervention programmes. This study examined whether smokers with Type 2 diabetes could be classified into different profiles based on smoking habits, socio-economic characteristics and lifestyle factors. METHODS: A sample of adults with self-reported diabetes was selected from random-digit dialing. Analyses included 383 participants with Type 2 diabetes who were current smokers. Information related to smoking, socio-economic status, health and lifestyle was collected by phone interview at baseline and 1 year later. Latent class analysis was used to identify subgroups of smokers. RESULTS: We uncovered three meaningful classes of smokers: class 1, long-time smokers with long-standing diabetes (n = 105); class 2, heavy smokers with deprived socio-economic status, poor health and unhealthy lifestyle characteristics (n = 105); class 3, working and active smokers who were more recently diagnosed with diabetes (n = 173). Members of class 2 were significantly more likely to be disabled and depressed at baseline and 1 year later compared with other classes. CONCLUSIONS: Different profiles of smokers exist among adults with Type 2 diabetes, each suggesting different cessation treatment needs. Distinguishing between these types of smokers may enable clinicians to tailor their approach to smoking cessation.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,001 | 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 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 ».