The association between self-reported varenicline adherence and varenicline blood levels in a sample of cancer patients receiving treatment for tobacco dependence
Notice bibliographique
Résumé
INTRODUCTION: The degree to which smokers quit successfully with varenicline is strongly associated with their adherence to the medication regimen. Thus, measuring varenicline adherence to identify smokers needing additional intervention is a priority. Few studies, however, have examined the validity of self-reported varenicline adherence, using a biological assessment of adherence as a reference. No study has examined this issue among cancer patients trying to quit smoking, who may show unique patterns of adherence given their medical comorbidity. METHODS: This study used data from 76 cancer patients who received varenicline and provided self-reported varenicline adherence data (pill count) and a blood sample to determine varenicline metabolites 4 weeks after initiating varenicline. RESULTS: 's < 0.04) area under the curve values, ranging from 0.73-0.80 for 3-day, 7-day, and 4-week self-reported pill count; specificity values ranged from 0.63-0.78 and sensitivity values ranged from 0.82-0.94. Using this cut-point, adherence was high (88%). However, plasma varenicline levels were weakly correlated with 3-day and 4-week pill count and total pill count (12 weeks) was not correlated with plasma varenicline levels. Patients with head and neck cancer, gastrointestinal cancer, and more advanced disease showed lower varenicline adherence and lower plasma varenicline. CONCLUSIONS: Using the 4 ng/ml cut-point, this study suggests validity of short-term self-reported varenicline adherence among cancer patients undergoing tobacco dependence treatment in contrast to studies in the general population, which supported 12-week pill count.
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 | 0,001 | 0,001 |
| 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 | 0,000 | 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 ».