Patient Perspectives on Discussions of Electronic Cigarettes in Primary Care
Notice bibliographique
Résumé
PURPOSE: Patient preferences regarding the role of the primary care provider (PCP) in discussing electronic cigarette (e-cigarette) use are unknown. METHODS: < .05 to assess associations between e-cigarette use and these measures. RESULTS: The prevalence of e-cigarette use was 10% for recent (≤30 days) use and 29% for nonrecent (>30 days) use. Prevalence was significantly higher among those who were younger, less educated, or smoked cigarettes, but did not vary by sex or self-reported health status. Roughly one quarter of participants believed they were knowledgeable about the health effects of e-cigarettes, secondhand smoke, and quitting cigarettes. Sources of e-cigarette information included television advertisements (56.6%), friends and family (49.9%), or e-cigarette shops (25.5%), but included physician offices much less frequently (6.0%). Although 30.2% disagreed that their PCP knew a lot about e-cigarettes, 62.0% were comfortable discussing e-cigarettes with their PCP. However, only 25% of all patients wanted their PCP to discuss e-cigarettes with them, but 62.0% of recent e-cigarette users wanted such a discussion. Most preferred a brief discussion or handout to a lengthy discussion. CONCLUSION: PCPs were infrequent sources of information for patients regarding e-cigarette use. PCPs need evidence-based strategies to help them address e-cigarettes in primary care.
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 | 0,005 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».