Second-Hand Smoke As a Predictor of Smoking Cessation Among Lung Cancer Survivors
Notice bibliographique
Résumé
PURPOSE: Second-hand smoke (SHS; ie, exposure to smoking of friends and spouses in the household) reduces the likelihood of smoking cessation in noncancer populations. We assessed whether SHS is associated with cessation rates in lung cancer survivors. PATIENTS AND METHODS: Patients with lung cancer were recruited from Princess Margaret Cancer Centre, Toronto, ON, Canada. Multivariable logistic regression and Cox proportional hazard models evaluated the association of sociodemographics, clinicopathologic variables, and SHS with either smoking cessation or time to quitting. RESULTS: In all, 721 patients completed baseline and follow-up questionnaires with a mean follow-up time of 54 months. Of the 242 current smokers at diagnosis, 136 (56%) had quit 1 year after diagnosis. Exposure to smoking at home (adjusted odds ratio [aOR], 6.18; 95% CI, 2.83 to 13.5; P < .001), spousal smoking (aOR, 6.01; 95% CI, 2.63 to 13.8; P < .001), and peer smoking (aOR, 2.49; 95% CI, 1.33 to 4.66; P = .0043) were each associated with decreased rates of cessation. Individuals exposed to smoking in all three settings had the lowest chances of quitting (aOR, 9.57; 95% CI, 2.50 to 36.64; P < .001). Results were similar in time-to-quitting analysis, in which 68% of patients who eventually quit did so within 6 months after cancer diagnosis. Subgroup analysis revealed similar associations across early- and late-stage patients and between sexes. CONCLUSION: SHS is an important factor associated with smoking cessation in lung cancer survivors of all stages and should be a key consideration when developing smoking cessation programs for patients with lung cancer.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».