Smoking cessation: lessons learned from clinical trial evidence
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Cigarette smoking and exposure to secondhand smoke cause coronary heart disease. Cessation dramatically reduces the incidence of primary and secondary cardiac events. The review presents up-to-date information regarding nicotine dependence, recent findings related to its treatment, and recommendations for addressing smoking cessation for the primary and secondary prevention of coronary heart disease. RECENT FINDINGS: Bans on smoking in public places are associated with significant reductions in the incidence of acute myocardial infarction. Counseling and pharmacotherapy (nicotine replacement therapy, bupropion) are proven, effective treatments for nicotine dependence. Clinical trials of two new pharmacotherapies, varenicline and rimonabant, have recently been reported. Varenicline is a safe and efficacious medication for smoking cessation, and has been approved in the US, Canada and Europe. Rimonabant has shown mixed results for smoking cessation and is undergoing further evaluation. SUMMARY: All patients should be screened for tobacco use. Clinicians can effectively treat nicotine dependence in the general population using counseling and first-line pharmacotherapies (nicotine replacement therapy, bupropion, varenicline). These same treatments, with some modification, are appropriate for smokers with coronary heart disease; however, brief interventions without follow-up are not effective in this population. For smokers with coronary heart disease, the best time to intervene may be during hospitalization.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| 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 | 0,001 | 0,002 |
| 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 ».