Impact of Lung Cancer Screening Results on Smoking Cessation
Notice bibliographique
Résumé
BACKGROUND: Lung cancer screening programs may provide opportunities to reduce smoking rates among participants. This study evaluates the impact of lung cancer screening results on smoking cessation. METHODS: Data from Lung Screening Study participants in the National Lung Screening Trial (NLST; 2002-2009) were used to prepare multivariable longitudinal regression models predicting annual smoking cessation in those who were current smokers at study entry (n = 15489, excluding those developing lung cancer in follow-up). The associations of lung cancer screening results on smoking cessation over the trial period were analyzed. All hypothesis testing used two sided P values. RESULTS: In adjusted analyses, smoking cessation was strongly associated with the amount of abnormality observed in the previous year's screening (P < .0001). Compared with those with a normal screen, individuals were less likely to be smokers if their previous year's screen had a major abnormality that was not suspicious for lung cancer (odds ratio [OR] = 0.811; 95% confidence interval [CI] = 0.722 to 0.912; P < .001), was suspicious for lung cancer but stable from previous screens (OR = 0.785; 95% CI = 0.706 to 0.872; P < .001), or was suspicious for lung cancer and was new or changed from the previous screen (OR = 0.663; 95% CI = 0.607 to 0.724; P < .001). Differences in smoking prevalence were present up to 5 years after the last screen. CONCLUSIONS: Smoking cessation is statistically significantly associated with screen-detected abnormality. Integration of effective smoking cessation programs within screening programs should lead to further reduction in smoking-related morbidity and mortality.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».