Advice as a smoking cessation strategy: A systematic review and implications for physical therapists
Notice bibliographique
Résumé
Although identified as a clinical priority, smoking cessation has been addressed minimally in the literature in the context of physical therapy practice. Smoking cessation advice delivered by a health professional can help smokers quit. The salient components of such advice however warranted elucidation to enable physical therapists to integrate this clinical competence into their practices. Therefore, we conducted a systematic review to elucidate the effectiveness of advice by a health professional and its components to optimize smoking cessation instituted in the context of physical therapy practice. Thirty source articles were identified. A random-effects model meta-analysis was used to assess the effectiveness of the advice parameters. Risk ratios (RRs) were used to estimate pooled treatment effects. RRs for brief, intermediate, and intensive advice were 1.74 (95% CI=1.37, 2.22), 1.71 (95% CI=1.39, 2.09), and 1.60 (95% CI=1.13, 2.27), respectively. Self-help materials, follow-up, and interventions based on psychological or motivational frameworks were particularly effective components of intermediate and intensive advice interventions. Advice can be readily integrated into physical therapy practice and used to initiate or support ongoing smoking cessation in clients irrespective of reason for referral. Incorporating smoking cessation as a physical therapy goal is consistent with the contemporary definition of the profession and the mandates of physical therapy professional associations to promote health and wellness, including smoking cessation for both primary health benefit and to minimize secondary effects (e.g., delayed healing and recovery, and medical and surgical complications). Thus, advice is an evidence-based strategy to effect smoking cessation that can be exploited in physical therapy practice. Further research to refine how best to assess smokers and, in turn, individualize brief smoking cessation advice could augment positive smoking cessation outcomes.
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 | 0,021 | 0,083 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,011 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».