Associations between sociodemographic characteristics and tobacco usage in adult cancer survivors: Evidence from a population-based study
Notice bibliographique
Résumé

 Background: the risk of developing new cancers persists for 15 million cancer survivors in the United States, yet many continue to engage in high-risk behaviours. This analysis aims to compare tobacco use in cancer-free respondents and cancer survivors, in order to elucidate trends and behavioural patterns associated with increased tobacco use in individuals that have survived cancer. 
 Methods: the Health Information National Trends Survey data of 2014 and 2017 was analysed for this study. Descriptive statistics were generated, and the likelihood of tobacco use was predicted using weighted logistic regression. Included in the study population were 941 cancer survivors, predominantly white (80%), 60-70 years of age, married (52%), with some level of education past high school (65%). 
 Results: the current smoking rate for cancer survivors was 12.1% versus 14.3% for those without cancer. Sub-high school education (OR 3.02, 95% CI [1.11-8.19]), separation/divorce (OR 2.71, 95% CI [1.52-4.83]), female gender, and lower household income were associated with an increased likelihood of cigarette use amongst cancer survivors. Cervical cancer (19.2%) and lymphoma (20%) survivors were most likely to smoke cigarettes compared to other cancer survivors. 
 Conclusions: this study demonstrated certain sociodemographic characteristics increase the likelihood of cigarette smoking in cancer survivors. These outcomes suggest cancer survivors with only high school education or lower, and those with household incomes of less than $35,000 are at greater risk and should be targeted for personalised tobacco cessation interventions in the future. High prevalence of smoking in cervical cancer survivors and an increased risk of tobacco-linked cancers suggests focus must be directed to interventions targeting female cancer survivors. Allocating further resources toward the at-risk populations identified in this study may reduce further morbidities in cancer survivors. 
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 | 0,017 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».