Smoking Cessation in Patients Diagnosed with Head and Neck Cancer
Notice bibliographique
Résumé
OBJECTIVE: To determine patients' smoking status after the diagnosis and treatment of squamous cell carcinoma of the head and neck (SCCHN) and to identify factors associated with smoking cessation. DESIGN: Cross-sectional survey study conducted over a 2-year period. SETTING: Head and neck surgery clinic of an academic tertiary care hospital. METHODS: Two hundred thirteen consecutive patients diagnosed with SCCHN were interviewed to ascertain patients' smoking status and the incidence of smoking cessation. Information on demographics, tobacco and alcohol history, disease characteristics, and treatment modality was also collected. MAIN OUTCOME MEASURES: The rate of smoking cessation was evaluated, in which smoking cessation is defined as the use of no cigarettes at least 1 month prior to the interview. Possible predictors of smoking cessation were evaluated. RESULTS: One hundred twenty-five patients were found to be smoking at the time of diagnosis. Among these patients, 53.6% stopped smoking after diagnosis or during treatment. In the univariate analyses, tumour site (p = .01), concurrent alcohol use (p = .03), and number of attempts to quit pre- (p = .03) and postdiagnosis (p = .001) were found to be highly predictive of patient smoking cessation. Multivariable modelling showed that gender, tumour site, and number of attempts to quit smoking were significantly and independently related to smoking cessation. CONCLUSIONS: Although smoking cessation would be presumed to be high after cancer diagnosis, this study has identified patient subgroups in which postdiagnosis smoking cessation intervention programs need to be made more effective.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».