Ecological momentary analysis of the relations among stressful events, affective reactivity, and smoking among smokers with high versus low depressive symptoms during a quit attempt
Notice bibliographique
Résumé
AIMS: To assess whether individuals trying to quit smoking who have high depressive symptoms (HD), compared with low depressive symptoms (LD): (1) report more frequent stressful events (SEs), (2) are more likely to smoke after SEs, (3) experience greater acute or persistent changes in affect after an SE, and (4) are at greater risk of smoking following affective changes. DESIGN: Smoking cessation data were analyzed using multi-level path modeling to examine the moderating effects of depressive symptoms on relations among SEs, subsequent affect, and smoking. SETTING: An academic research center in Central New Jersey, USA. PARTICIPANTS: Seventy-one adult treatment-seeking daily smokers recruited from 2010 to 2012. MEASUREMENTS: Baseline depressive symptoms [HD: Center for Epidemiological Studies Depression Scale (CES-D) ≥ 16 versus LD: CES-D < 16]; and real-time ecological momentary assessment (EMA) reports of SEs, affect, and smoking assessed during 21 days post-quit. FINDINGS: Multi-level models indicated that HD smokers were more likely than LD smokers to report stressful events [odds ratio (OR) = 2.323, P = 0.009], but had similar post-stress acute affective changes (negative affect: b = -0.117, P = 0.137, positive affect: b = 0.020, P = 0.805). Only HD smokers reported increased negative affect (NA) (b = 0.199, P = 0.030) and decreased positive affect (PA) up to 12 hours later (b = -0.217, P = 0.021), and greater lapse risk up to 24 hours after an SE (OR = 3.213, P = 0.017). The persistence of elevated NA and suppressed PA was partially explained by increased odds of subsequent SEs among HD smokers. However, the heightened stress-lapse association over 24 hours found in HD smokers was not fully explained by sustained aversive affect or subsequent SEs. CONCLUSIONS: Depressed and non-depressed smokers trying to quit appear to experience similar acute affective changes following stress: however, depressed smokers experience higher rates of exposure to stress, longer-lasting post-stress affective disturbance and greater risk of smoking lapse 12-24 hours after a stressful event than non-depressed smokers.
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 | 0,000 | 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 | 0,001 | 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 ».