Smoking and Predictors of Nicotine Dependence in a Homeless Population
Notice bibliographique
Résumé
OBJECTIVE: To assess prevalence rates of tobacco use and dependence in a sample of homeless individuals and to investigate trends for demographic and clinical characteristics across different levels of nicotine dependence (nonsmokers vs. lowly dependent smokers vs. highly dependent smokers). METHODS: A cross-sectional study of 489 homeless men and women in 3 Canadian cities. Each subject was assessed using structured clinical interviews and the Fagerström Test for Nicotine Dependence (FTND). Cochran-Armitage trend tests were applied to determine unadjusted trends in sociodemographic and clinical variables across levels of nicotine dependence. A generalized logit model was computed to adjust for potential confounding. RESULTS: The mean age was 37.9 years; 39.2% of the participants were women. About 80.8% were current smokers; the mean FTND score was 5.0. Although no significant differences were found between nonsmokers and smokers with low nicotine dependence, smokers with high nicotine dependence were only half as likely as nonsmokers to be Aboriginal, were 2.39 times more likely to have ever been incarcerated, and 2.44 times more likely to have current drug dependence. There were significant trends for the use of cocaine, opioids, and alcohol, with nonsmokers having the lowest and highly dependent smokers having the highest rates of using these substances. CONCLUSIONS: Available public health smoking cessation treatment opportunities should be made available within health care services for the homeless. There is also a need for developing and implementing tobacco dependence treatment programs, which are accessible and tailored to meet the needs of this specific population, accounting for polysubstance use and concurrent substance dependence and mental health disorders.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| 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 | 0,000 | 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 ».