Longitudinal smoking patterns in survivors of childhood cancer: An update from the Childhood Cancer Survivor Study
Notice bibliographique
Résumé
BACKGROUND: Survivors of pediatric cancer have elevated risks of mortality and morbidity. Many late adverse effects associated with cancer treatment (eg, second cancers and cardiac and pulmonary disease) are also associated with cigarette smoking, and this suggests that survivors who smoke may be at high risk for these conditions. METHODS: This study examined the self-reported smoking status for 9397 adult survivors of childhood cancer across 3 questionnaires (median time interval, 13 years). The smoking prevalence among survivors was compared with the smoking prevalence among siblings and the prevalence expected on the basis of age-, sex-, race-, and calendar time-specific rates in the US population. Multivariable regression models examined characteristics associated with longitudinal smoking patterns across all 3 questionnaires. RESULTS: At the baseline, 19% of survivors were current smokers, whereas 24% of siblings were current smokers, and 29% were expected to be current smokers on the basis of US rates. Current smoking among survivors dropped to 16% and 14% on follow-up questionnaires, with similar decreases in the sibling prevalence and the expected prevalence. Characteristics associated with consistent never-smoking included a higher household income (relative risk [RR], 1.16; 95% confidence interval [CI], 1.08-1.25), higher education (RR, 1.32; 95% CI, 1.22-1.43), and receipt of cranial radiation therapy (RR, 1.08; 95% CI, 1.03-1.14). Psychological distress (RR, 0.86; 95% CI, 0.80-0.92) and heavy alcohol drinking (RR, 0.64; 95% CI, 0.58-0.71) were inversely associated. Among ever-smokers, a higher income (RR, 1.17; 95% CI, 1.04-1.32) and education (RR, 1.23; 95% CI, 1.10-1.38) were associated with quitting, whereas cranial radiation (RR, 0.86; 95% CI, 0.76-0.97) and psychological distress (RR, 0.80; 95% CI, 0.72-0.90) were associated with not having quit. The development of adverse health conditions was not associated with smoking patterns. CONCLUSIONS: Despite modest declines in smoking prevalence, the substantial number of consistent current smokers reinforces the need for continued development of effective smoking interventions for survivors.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».