Smokers with Self-Reported Mental Health Conditions: A Case for Screening in the Context of Tobacco Cessation Services
Notice bibliographique
Résumé
BACKGROUND: People with mental health conditions (MHC) smoke at high rates and many die prematurely from smoking-related illnesses. Smoking cessation programs, however, generally do not screen for MHC. This study examined the utility of MHC screening in a large tobacco quitline to determine whether self-reported MHC predicts service utilization and quitting behaviors. METHODS & FINDINGS: A brief set of question on MHC was embedded in the routine intake of a state quitline, and 125,261 smokers calling from June 2012 to September 2015 were asked the questions. Quit attempt rate and 6-month success rate were analyzed for a random subset of participants. Overall, 52.2% of smokers reported at least one MHC. Demographic patterns like gender or ethnic difference in self-reported MHC were similar to that in the general population. Depression disorder was reported most often (38.6%), followed by anxiety disorder (33.8%), bipolar disorder (17.0%), drug/alcohol abuse (11.9%), and schizophrenia (7.9%). Among those reporting any MHC, about two-thirds reported more than 1 MHC. Smokers with MHC received more counseling than smokers with no MHC. Quit attempt rates were high for all three groups (>70%). The probability of relapse was greater for those with more than one MHC than for those with one MHC (p<0.005), which in turn was greater than those with no MHC (p < .01). The six-month prolonged abstinence rates for the three conditions were, 21.8%, 28.6%, and 33.7%, respectively. The main limitation of this study is the use of a non-validated self-report question to assess MHC, even though it appears to be useful for predicting quitting behavior. CONCLUSIONS: Smokers with MHC actively seek treatment to quit. Smoking cessation services can use a brief set of questions to screen for MHC to help identify smokers in need of more intensive treatment to quit smoking.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,005 |
| Communication savante | 0,005 | 0,008 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,010 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».