Developing a comprehensive smoking cessation program in patients with lung cancer: The role of social smoking environments.
Notice bibliographique
Résumé
75 Background: Smoking during cancer treatment negatively impacts outcome, survival, and quality of life. Social smoking environments (SSEs) (i.e., smoking in household, peers, and spouse) influence cessation rates in non-cancer patients, but are understudied in cancer patients. Methods: Lung cancer patients, recruited from Princess Margaret Hospital (2006-2012) were given baseline and follow-up questionnaires (median of 2 years apart) evaluating changes in smoking habits and SSEs. Multivariate logistic regression and Cox-proportional hazard models evaluated the association of socio-demographics, clinicopathological and SSE factors with smoking cessation and time to quitting, respectively. Results: 721 patients completed both questionnaires. Of the 261 current smokers at diagnosis, 180 (69%) had quit by follow-up. Among 318 ex-smokers, 5 re-started smoking after diagnosis. All of the 140 never smokers remained non-smoking. Home smoke exposure (OR=9.4; 95% CI: 3.4-26.2; p=2.0 x 10E-5), spousal smoking (OR=4.7, 95% CI:1.7-12.6; p=3.0 x 10E-3) and peer smoking (OR=2.6; 95% CI:1.1-6.1; p=0.03) were each associated with reduced cessation, adjusted for a base multivariate model that included education and past history of depression. Individuals with no SSE factors had a much higher chance of quitting smoking when compared to patients with multiple areas of SSEs (0 vs. 3, OR=16.4; 95% CI: 4.1-66.7; p=7.3 x 10E-5). Similar results were seen when using time-to-quitting as the outcome (0 vs 3, OR=4.4, 95% CI=1.4-14.1, p=0.01). Time to quitting analysis found that 60% of patients with at least one SSE who did quit, did so within 6 months of diagnosis. Subgroup analysis revealed similar associations in early- and late-stage patient groups. Conclusions: SSE is a key factor in smoking cessation, where household smoke exposures reduces the chance of quitting up to 9-fold. SSEs should be a key consideration when developing smoking cessation programs in lung cancer patients, as part of quality improvement strategies. Approaches incorporating household members or spouses into the smoking cessation intervention, around the time of diagnosis, should be researched further. GL and WX are co-senior authors.
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 | 0,001 | 0,002 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».