Perioperative and Long-Term Smoking Behaviors in Cosmetic Surgery Patients
Notice bibliographique
Résumé
BACKGROUND: Many plastic surgeons advocate smoking cessation before patients undergo cosmetic surgery with extensive soft-tissue dissection. Smoking cessation rates after cosmetic surgery are unknown. The preoperative consultation may be an opportunity to promote long-term smoking cessation. METHODS: This is a retrospective, cross-sectional cohort study. All patients over an 8-year study period who smoked before their preoperative consultation; who quit 2 weeks before surgery; and who subsequently underwent rhytidectomy, abdominoplasty, or mastopexy were included. Patients were asked to complete a Web-based survey at long-term follow-up. RESULTS: Eighty-five smokers were included, and 47 patients completed the survey, for a response rate of 55.3 percent. Average follow-up was 63.3 months. Five respondents were social smokers and thus excluded. Of the 42 daily smokers, 17 patients (40.5 percent) were no longer smoking cigarettes on a daily basis at long-term follow-up. Of these 17 patients, 10 (23.8 percent) had not smoked since their operation. A total of 24 patients (57.1 percent) had reduced their cigarette consumption by any amount, and 70.8 percent (17 of 24) of these patients agreed that discussing adverse surgical outcomes related to smoking influenced their ability to quit/reduce. Twenty-one of 42 patients (50.0 percent) admitted that they were not compliant with the preoperative smoking cessation instructions. CONCLUSIONS: This is the first report to investigate long-term smoking cessation from a cosmetic surgery practice. The authors have shown a positive association between smoking cessation and cosmetic surgery. Requesting a period of cessation before cosmetic surgery may promote long-lasting smoking cessation.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».