Profile of tobacco users identified in primary care practice and predictors of readiness to quit: a cross-sectional survey
Notice bibliographique
Résumé
BACKGROUND: The aim of this study was to document the prevalence of tobacco use and describe the characteristics of tobacco users identified in primary care practices. METHODS: We conducted a cross-sectional survey in 49 primary care practices in the province of Ontario. Consecutive patients were screened for smoking status at the time of their clinic appointment. Patients reporting current tobacco use completed a survey, which documented sociodemographic and smoking-related characteristics. Multilevel modelling was used to examine predictors of readiness to quit smoking and the presence of anxiety and/or depression. RESULTS: A total of 56 592 patients were screened, and 5245 tobacco users participated in the survey. Prevalence of tobacco use was 18.2% and varied significantly across practices (range 12.4%-36.1%). Of the respondents, 46.3% reported current anxiety and/or depression, and 61.3% reported smoking within the first 30 minutes of waking. A total of 41.1% of respondents reported they were ready to quit smoking in the next 6 months, and 30.1% reported readiness to quit in the next 30 days. Readiness to quit was positively associated with higher self-efficacy, male sex, presence of chronic obstructive pulmonary disease and more years of tobacco use. The presence of anxiety and/or depression was associated with lower cessation self-efficacy and time to first cigarette within 30 minutes of waking, but did not predict readiness to quit. INTERPRETATION: Tobacco users identified in primary care practices reported high rates of nicotine dependence and anxiety and/or depression, but also high rates of readiness to quit. Study findings support the need to tailor interventions to address the needs of tobacco users identified in primary care settings.
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 | 0,001 |
| 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 ».