The 2003 Ed Nelson Lecture. Smoking Cessation Revisited. Is It Time to Change Our Approach?
Notice bibliographique
Résumé
linical approaches to smoking cessation are based on a goal of increasing the odds that a given person will quit smoking. Current treatment recommendations are based on metaanalyses of randomized clinical trials conducted over short intervals. An underlying assumption is that nicotine is the primary reason it is so difficult to quit and that pharmacotherapies are the “best” way to treat the underlying dependency. Data on the relative risk of developing tobacco related disease is used as the basis for selecting priority sub-populations (e.g., those who smoke the most). But should these data be used as the foundation for creating national strategies for the treatment of smokers? The presenter will use data from Canada to offer a different view. He will argue that national strategies should not be simple extrapolations of clinical treatments or relative risk ratios. He will argue that national strategies must employ different goals and outcome measures. For example, our aim should be to use available resources to maximally reduce the health and economic burden of smoking. Policies that create supportive environments, communication campaigns that build self-awareness and efficacy, combined with a triage system that matches smokers to different types of treatment should be the foundation of our approach. Traditional clinical approaches (especially pharmacotherapy) should be used selectively rather than universally.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,005 | 0,011 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,013 | 0,033 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,009 |
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 source (Gemma direct ou Codex distillé), 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 ».