Weight Gain After Smoking Cessation and Lifestyle Strategies to Reduce it
Notice bibliographique
Résumé
BACKGROUND: Weight gain following smoking cessation reduces the incentive to quit, especially among women. Exercise and diet interventions may reduce postcessation weight gain, but their long-term effect has not been estimated in randomized trials. METHODS: We estimated the long-term reduction in postcessation weight gain among women under smoking cessation alone or combined with (1) moderate-to-vigorous exercise (15, 30, 45, 60 minutes/day), and (2) exercise and diet modification (≤2 servings/week of unprocessed red meat; ≥5 servings/day of fruits and vegetables; minimal sugar-sweetened beverages, sweets and desserts, potato chips or fried potatoes, and processed red meat). RESULTS: Among 10,087 eligible smokers in the Nurses' Health Study and 9,271 in the Nurses' Health Study II, the estimated 10-year mean weights under smoking cessation were 75.0 (95% CI = 74.7, 75.5) kg and 79.0 (78.2, 79.6) kg, respectively. Pooling both cohorts, the estimated postcessation mean weight gain was 4.9 (7.3, 2.6) kg lower under a hypothetical strategy of exercising at least 30 minutes/day and diet modification, and 5.9 (8.0, 3.8) kg lower under exercising at least 60 minutes/day and diet modification, compared with smoking cessation without exercising. CONCLUSIONS: In this study, substantial weight gain occurred in women after smoking cessation, but we estimate that exercise and dietary modifications could have averted most of it.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».