Predictors of Smoking Cessation and Relapse in Cancer Patients and Effect on Psychological Variables: an 18-Month Observational Study
Notice bibliographique
Résumé
BACKGROUND: Although cancer patients are generally strongly advised to quit smoking in order to improve treatment efficacy and survival, up to 68 % of patients who were smokers at the time of cancer diagnosis continue smoking. Psychological factors such as depression and anxiety are likely to be associated with smoking behavior following a cancer diagnosis, but the empirical evidence is scarce. PURPOSE: This observational study aimed at estimating smoking cessation rates and assessing the effect of smoking cessation on psychological symptoms, as well as the predictive role of the same psychological variables on smoking cessation and smoking relapse following cancer surgery. METHODS: As part of a larger prospective, epidemiological study, smokers (n = 175) with a first diagnosis of nonmetastatic cancer completed the Hospital Anxiety and Depression Scale, the Insomnia Severity Index, and the Fear of Cancer Recurrence Inventory. Quitters (n = 55) and pair-matched nonquitters (n = 55) were compared on each symptom at pre-quitting, post-quitting, and at a 4-month follow-up. Predictors of smoking cessation and smoking relapse, including psychological variables, were also investigated. RESULTS: Fifty-five patients (31.4 %) stopped smoking at least on one occasion during the study. Of the 55 quitters, 27 (49.1 %) experienced a relapse. At pre-quitting, quitters had significantly higher levels of anxiety (p = .03) and fear of cancer recurrence (p = .01) than nonquitters, symptoms that significantly diminished at post-quitting and 4 months later in this subgroup of patients. Having breast cancer significantly predicted smoking cessation (relative risk [RR] = 3.08), while depressive symptoms were a significant predictor of smoking relapse (RR = 1.07). CONCLUSIONS: This study highlights the importance of psychological symptoms in predicting tobacco cessation and relapse among individuals with cancer. Our findings suggest that breast cancer patients are more inclined to stop smoking than patients with other cancers, but future studies should attempt to delineate the effect on smoking cessation of gender and other demographics that characterize this subgroup. This study also suggests that a particular attention should be paid to the early management of depressive symptoms in order to prevent smoking relapse.
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 ».