The Relationship Between Tobacco Use and Legal Document Gender-Marker Change, Hormone Use, and Gender-Affirming Surgery in a United States Sample of Trans-Feminine and Trans-Masculine Individuals: Implications for Cardiovascular Health
Notice bibliographique
Résumé
PURPOSE: Transgender individuals smoke tobacco at disproportionately higher rates than the general U.S. population, and concurrent use of gender-affirming hormones (estrogen or testosterone) and tobacco confers greater cardiovascular (CV) risk. This study examines the relationship between tobacco use and legal document gender-marker change, and medical/surgical interventions for gender transition. METHODS: Data came from an Internet-based survey of U.S. trans-feminine (n = 631) and trans-masculine (n = 473) individuals. We used multivariable logistic regression to investigate the relationship between past 3-month tobacco use and legal document gender-marker change, hormone use, and gender-affirming surgery controlling for demographic covariates and enacted and felt stigma. RESULTS: Compared to trans-feminine participants, trans-masculine individuals reported significantly higher rates of lifetime (74.4% vs. 63.5%) and past 3-month tobacco use (47.8% vs. 36.1%), and began smoking at an earlier age (14.5 vs. 15.5 years). Trans-feminine smokers reported significantly more frequent and heavier use. Adjusting for demographic covariates and enacted and felt stigma, legal document gender-marker change was associated with lower tobacco-use odds among trans-feminine individuals, whereas gender-affirming surgery predicted lower smoking odds among trans-masculine individuals. There were no significant differences in tobacco use by hormone use status. CONCLUSION: In this study, trans-masculine individuals were more likely to smoke and trans-feminine individuals reported heavier use. It is concerning that individuals receiving hormones did not report lower smoking rates, given the elevated CV risk of this combination. This is a missed opportunity to intervene on a major public health issue and highlights the need for smoking cessation interventions in this population.
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 | 0,002 |
| 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) | 0,002 | 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 ».