Sleep Disturbance During Smoking Cessation: Withdrawal or Side Effect of Treatment?
Notice bibliographique
Résumé
Introduction: The nicotine–metabolite ratio (NMR) predicts treatment response and is related to treatment side effect severity. Sleep disturbance may be one important side effect, but understanding sleep disturbance effects on smoking cessation is complicated by the fact that nicotine withdrawal also produces sleep disturbance. Aims: To evaluate the effects of withdrawal and treatment side effects on sleep disturbance. Methods: This is a secondary analysis of data from a clinical trial (Lerman et al., 2015) of 1,136 smokers randomised to placebo ( n = 363), transdermal nicotine (TN; n = 381), or varenicline ( n = 392) and stratified based on NMR (559 slow metabolisers; 577 normal metabolisers). Sleep disturbance was assessed at baseline and at 1-week following the target quit date (TQD). We also examined whether sleep disturbance predicted 7-day point-prevalence abstinence at end-of-treatment (EOT). Results: The varenicline and TN groups exhibited greater increases in sleep disturbance (vs. placebo; treatment × time interaction; p = 0.005), particularly among those who quit smoking at 1-week post-TQD. There was a main effect of NMR ( p = 0.04), but no interactions with treatment. TN and varenicline attenuated withdrawal symptoms unrelated to sleep (vs. placebo). Greater baseline sleep disturbance predicted relapse at EOT ( p = 0.004). Conclusions: Existing treatments may not mitigate withdrawal-related sleep disturbance and adjunctive treatments that target sleep disturbance may improve abstinence rates.
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 | 0,000 |
| 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 ».