Drug Use, Abuse, and Dependence and the Persistence of Nicotine Dependence
Notice bibliographique
Résumé
INTRODUCTION: Illicit drug use and nicotine dependence (ND) frequently co-occur. Yet, to date very few studies have examined the role of alcohol and illicit drug use in ND persistence. The objectives of this study were to investigate the relationships between specific classes of drug use, abuse, and dependence and the persistence of ND over time among adults in the United States. METHODS: Data were drawn from the National Epidemiologic Survey on Alcohol and Related Conditions, a national survey of 34,653U.S. adults interviewed between 2001-2002 and reinterviewed 3 years later. Logistic regression analyses were used to investigate the relationships between various classes of drug use, abuse, and dependence among adults with ND at Wave 1 and the odds for persistent ND at Wave 2. Analyses were adjusted for differences in demographic characteristics, mood/anxiety disorders, alcohol use disorders, and other substance use disorders. RESULTS: Lifetime drug use was not associated with significantly increased likelihood for persistent ND. Sedative abuse was associated with increased odds for nicotine persistence, but no other types of drug abuse were predictive of ND persistence, after adjusting for demographics, mood/anxiety, and alcohol use disorders. All types of drug dependence were associated with persistence of ND; the strongest associations emerged between opioid and tranquilizer dependence and persistent ND, while the associations between cannabis and cocaine dependence were no longer significant after adjusting for mood/anxiety disorders. CONCLUSIONS: Clinicians should take care to evaluate the presence and/or history of drug dependence among patients seeking treatment for smoking cessation. These data suggest that a history of substance dependence predicts increased vulnerability to persistent ND.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».