The Stop Smoking Before Surgery Program
Notice bibliographique
Résumé
OBJECTIVE: This study aimed to examine the impact of a Stop Smoking Before Surgery (SSBS) program in a health authority where responsibility for surgical services is shared by health professionals in regional centers and outlying communities. METHODS: A between-subjects, pre-post mixed method program evaluation was conducted. Elective surgery patients at 2 Northern Canadian hospitals were recruited and surveyed at 2 time points: pre-SSBS implementation (n = 150) and 1 year post-SSBS implementation (n = 90). In addition, semistructured interviews were conducted with a purposeful sample of participants (n = 18). RESULTS: Participants who received information about stopping smoking before surgery post-SSBS implementation were more likely than expected to have reduced their smoking, χ(2)(1, 89) = 10.62, P = .001, and had a significantly higher Awareness of Smoking-Related Perioperative Complications score than those that were advised to quit smoking prior to SSBS implementation (U = 1288.0, P < .001). Being advised by a health care professional was the second strongest predictor of whether or not participants reduced their smoking before surgery post-SSBS implementation. However, there was no significant change in the number of participants who reported being advised to quit smoking before surgery between groups. CONCLUSION: Providing surgery-specific resources to increase awareness of and support for surgery-specific smoking cessation had limited success in this rural context. Additional strategies are needed to ensure that every surgical patient who smokes receives information about the benefits of quitting for surgery and is aware of available cessation resources.
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 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».