Social environment as a predictor of smoking cessation and recidivism in lung cancer survivors.
Notice bibliographique
Résumé
9032 Background: Smoking during cancer treatment negatively impacts treatment, survival and quality of life. Lung cancer patients with a smoking history often continue to smoke; some ex-smokers re-start after diagnosis. Social environment impacts cessation and recidivism rates in non-cancer patients. We assessed whether the same influences occur among lung cancer patients. Methods: Lung cancer patients, recruited from Princess Margaret Hospital, completed a baseline questionnaire about their demographics and smoking history (at diagnosis). A follow-up questionnaire was administered at a median of two years, assessing changes in smoking habits, exposure at home/work/among friends, healthcare use, social support and alcohol use since diagnosis. The relationship between each variable with cessation/recidivism was analyzed. Odds ratios (OR) and 95% confidence intervals (95% CI) were calculated. Results: 478 patients completed both questionnaires. Of the 100 current smokers at diagnosis; 52 quit by the time of the follow-up questionnaire. Among 294 ex-smokers, 15 started to smoke after diagnosis. None of the 84 never smokers at baseline started to smoke after diagnosis. Exposure to smoking at home was associated with continued smoking and relapse (OR=5.1, 95% CI: 1.8–14.3, p=0.001; and OR=3.9, 95% CI: 0.8–14.4, p=0.04, respectively). Specifically, spousal smoking was associated with both continued smoking (OR=7.3, 95% CI: 2.4–21.7, p=2.0E-04) and recidivism (OR=3.7, 95% CI: 0.6–16.6, p=0.08). Having more than a few friends who smoke is associated with continued smoking (OR=3.5, 95% CI: 1.4–8.7, p=0.005) and relapse (OR=4.8, 95% CI: 1.5–15.0, p=0.004). Not completing high school was also associated with continued smoking (OR=3.0, 95% CI: 1.2–7.6, p=0.02). Multivariate analysis identified spousal smoking as the major single predictor of continued smoking (OR=8.8, 95% CI: 2.2–34.8, p=0.002). Conclusions: Smoking cessation programs for lung cancer patients should not only target the patient but also include the immediate family, consider a patient’s peers and be tailored to the patient’s education level. Involvement of the immediate family and consideration of peers may help 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 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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».