Use of Smoking Cessation Aids in a Convenience Sample of PLHIV in a Canadian Tertiary Care Clinic
Notice bibliographique
Résumé
Background: Tobacco smoking is among the most significant predictors of cardiovascular disease and lung cancer in People Living with HIV (PLHIV). Smoking rates in this population are high, necessitating more effective smoking cessation strategies. We conducted a descriptive analysis of tobacco-related clinical and sociodemographic characteristics of smokers at a tertiary care HIV clinic in Montreal and an exploratory analysis of smoking cessation methods in order to identify potential areas of improvement in the clinic’s approach to smoking cessation. Methods: A convenience sample of patients completed a 10-minute questionnaire on tobacco-related behaviours and outcomes. Use of smoking cessation methods was compared using McNemar’s exact test with a Bonferroni correction for multiple testing ( p <0.01 considered significant). Results: Seventy-two PLHIV participated. Two-thirds of our total participants were interested in quitting within six months, but the use of effective cessation strategies was low, particularly for counseling and oral therapy. Overall, oral therapy ( e.g. varenicline) (16.7%) and counseling for cessation (5.6%) were used less than nicotine patches (50.0%) or ‘other’ methods (50.0%), which included abstinence and nicotine gum ( p <0.001). Conclusion: Despite a small and potentially unrepresentative sample of HIV positive tobacco smokers at our clinic, this study could help guide further research aiming to determine and address barriers to smoking cessation and access to effective smoking cessation aids in PLHIV. Future studies might consider factors that affect motivation to quit, such as co-morbid mental health and substance use disorders, or the attitudes of HIV healthcare providers.
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 | 0,000 |
| 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) | 0,001 | 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 ».