Factors That Explain Differences in Abstinence Between Black and White Smokers: A Prospective Intervention Study
Notice bibliographique
Résumé
BACKGROUND: Black-white differences in smoking abstinence are not well understood. This trial sought to confirm previously reported differences in quitting between blacks and whites and to identify factors underlying this difference. METHODS: During enrollment, 224 black and 225 white low-income smokers were stratified on race and within race on age and sex to ensure balance on these factors known to impact abstinence. The intervention included varenicline for 12 weeks and six guideline-based smoking cessation counseling sessions. The primary endpoint was cotinine-verified 7-day point prevalence smoking abstinence at week 26. A priori socioeconomic, smoking, treatment process (eg, treatment utilization, side effects, withdrawal relief), psychosocial, and biological factors were assessed to investigate race differences in abstinence. Unadjusted odds ratios (OR) were used to compare abstinence between blacks and whites. Adjusted odds ratios from logistic regression models were used to examine predictors of abstinence. All statistical tests were two-sided. RESULTS: Blacks were less likely to achieve abstinence at week 26 (14.3% vs 24.4%, OR = 0.51, 95% confidence interval [CI] = 0.32 to 0.83, P = .007). Utilizing best subsets logistic regression, five factors associated with race jointly predicted abstinence: home ownership (yes/no, OR = 3.03, 95% CI = 1.72 to 5.35, P < .001), study visits completed (range = 0-6, OR = 2.81, 95% CI = 1.88 to 4.20, P < .001), income (household member/$1000, OR = 1.03, 95% CI = 1.01 to 1.06, P = .02), plasma cotinine (per 1 ng/mL, OR = 0.997, 95% CI = 0.994 to 0.999, P = .002), and neighborhood problems (range = 10-30, OR = 0.88, 95% CI = 0.81 to 0.96, P = .003). CONCLUSIONS: The race difference in abstinence was fully explained by lack of home ownership, lower income, greater neighborhood problems, higher baseline cotinine, and higher visit completion, which were disproportionately represented among blacks. Findings illuminate factors that make it harder for blacks in the United States to quit smoking relative to whites and provide important areas for future studies to reduce tobacco-related health disparities.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».