Long-Term Quit Rates After a Perioperative Smoking Cessation Randomized Controlled Trial
Notice bibliographique
Résumé
BACKGROUND: While surgery and perioperative smoking cessation interventions may motivate patients to quit smoking in the short term, it is unknown how often this translates into permanent cessation. In this study, we sought to determine the rates of long-term smoking cessation after a perioperative smoking cessation intervention and predictors of successful cessation at 1 year. METHODS: We previously reported short-term results from a perioperative randomized controlled trial comparing usual care with an intervention involving (1) brief counseling by the preadmission nurse, (2) smoking cessation brochures, (3) referral to a telephone quitline, and (4) a free 6-week supply of transdermal nicotine replacement. We now report our 1-year follow-up outcomes. RESULTS: Between October 2010 and April 2012, 168 patients were randomized. At 1 year, 127 patients (76%) were available for follow-up telephone interview. Smoking cessation occurred in 8% of control patients compared with 25% of patients in the intervention group (relative risk, 3.0; 95% confidence interval [CI], 1.2-7.8; P = 0.018). The number needed-to-treat to achieve smoking cessation for 1 patient at 1 year postoperatively was 5.9 (95% CI, 3.4-25.9). Multivariable logistic regression modeling found that the intervention (P = 0.020) and lower nicotine dependency at baseline (P < 0.001) were predictive of success at smoking cessation at 1 year. Poisson regression showed that adjusted for nicotine dependency, those randomized to the intervention group were 2.7 times (95% CI, 1.1-6.7; P = 0.028) more likely to achieve long-term cessation than those in the control group. Adjusted for randomization group, a low level of nicotine dependency resulted in a relative risk of quitting of 5.1 (95% CI, 2.0-12.8; P = 0.001). CONCLUSIONS: This study demonstrates that an intervention designed for a busy preadmission clinic results in decreased smoking rates not only around the time of surgery but also continued benefit in smoking cessation at 1 year. Perioperative care providers have a unique opportunity to assist patients in smoking cessation and achieve long-lasting results.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».