Smoking Cessation Outcomes among Individuals with Substance Use and/or Psychiatric Disorders
Notice bibliographique
Résumé
Objectives: The population of individuals with substance use (SUD) and/or psychiatric disorders (PD) has a high prevalence of smoking and a consequent increase in tobacco-related morbidity and mortality when compared to the general population. The aim of this study is to examine the outcomes of a program in a real-life setting which takes a tailored approach to smoking cessation among individuals with SUD and/or PD. Methods: A retrospective chart review of tailored tobacco dependence treatment was performed on individuals with histories of SUD and/or PD attending a Tobacco Dependence Clinic (TDC) program in Vancouver, British Columbia, Canada. Participants of the TDC received a combination of behavioural counselling and pharmacotherapy for smoking cessation. Data from 540 participants enrolled in the TDC between September 2007 and May 2011 was reviewed. Outcome measures included seven-day point-prevalence abstinence (validated by expired carbon monoxide) and program completion rates. Results: For individuals who completed the program the abstinence rate was 41.1% (167/406). Significant predictors of successful smoking cessation were: a) a lower expired carbon monoxide level at baseline (OR=.98, 95%CI=.96-1.00), and b) a longer duration of treatment (OR=1.09, 95%CI=1.05-1.12). Significant predictors of program completion were: a) being female (OR=1.86, 95%CI=1.21-2.87). Discussion: Tailored smoking cessation among individuals with SUD and/or PD yields modest end-of-treatment smoking cessation rates and can be an effective approach to reducing the burden of tobacco use in substance use and mental health treatment settings.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».