Patient Tobacco Use in Optometric Practice
Notice bibliographique
Résumé
PURPOSE: A national census survey of optometrists in Canada measured knowledge of ocular diseases associated with smoking cigarettes and current practice behaviors related to addressing tobacco use with patients, including prevention and cessation. Optometrists were also asked to identify tools to assist addressing tobacco use with patients. METHODS: An online bilingual (English/French) survey was developed and an e-mail with a link to the survey was sent to all 4528 optometrists registered in Canada. No participation incentives were provided. Frequency data were tabulated for survey items. Logistic regression models were fit to understand respondent characteristics associated with discussing tobacco use prevention and cessation with patients. RESULTS: The response rate was 19% (850 responses). Almost all respondents (98%) believed that smoking cigarettes was a risk factor for developing age-related macular degeneration; approximately half (55%) assessed the smoking status of patients during their initial visit; 7% reported that they discussed the benefits of tobacco use prevention with patients younger than 19 years; and 33% reported that they always or regularly assess their patients' interest in quitting smoking. Respondents who completed the survey in English were more likely (odds ratio, 2.4; 95% confidence interval, 1.01 to 5.65) to deliver prevention messaging, compared with respondents who completed the survey in French. Male respondents were less likely to assess patients' interest in quitting (odds ratio, 0.7; 95% confidence interval, 0.50 to 0.97) than female respondents. Most respondents (90%) were interested in a continuing education program about the impact of smoking on vision and eye health as well as strategies for discussing tobacco cessation and prevention. CONCLUSIONS: Optometrists are aware of the impact of smoking on ocular health; however, most respondents do not systematically engage in tobacco use prevention and cessation practices. Providing optometrists with tools, including continuing education, may help support patient conversations about the risks of tobacco use and improve public health.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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 | 0,000 |
| 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 ».