Efficacy of the Ascure Smoking Cessation Program: Retrospective Study
Notice bibliographique
Résumé
BACKGROUND: Smoking cessation helps extend a healthy life span and reduces medical expenses. However, the standard 12-week smoking cessation program in Japan has several notable problems. First, only 30% of participants complete this program. Second, participants may choose not to participate unless they have a strong motivation to quit smoking, such as health problems. Third, the program does not provide enough support during the period between clinical visits and after 12 weeks. OBJECTIVE: This study examined the efficacy of the 24-week ascure program to address the problems of accessibility and continuous support. The program combines online mentoring, over-the-counter pharmacotherapy, and a smartphone app. METHODS: Using a retrospective study design, we investigated data for 177 adult smokers who were enrolled in the ascure smoking cessation program between August 2017 and August 2018. The primary outcomes were continuous abstinence rates (CARs) during weeks 9-12 and weeks 21-24. To confirm smoking status, we performed salivary cotinine testing at weeks 12 and 24. We also evaluated the program adherence rate. Finally, we performed exploratory analysis to determine the factors associated with continuous abstinence at weeks 21-24 to provide insights for assisting with long-term continuous abstinence. RESULTS: The CARs of all participants for weeks 9-12 and weeks 21-24 were 48.6% (95% CI 41.2-56.0) and 47.5% (95% CI 40.0-54.8), respectively. Program adherence rates were relatively high throughout (72% at week 12 and 60% at week 24). In the analysis of the factors related to the CAR at weeks 21-24, the number of entries in the app's digital diary and number of educational videos watched during the first 12 weeks were significant factors. CONCLUSIONS: The ascure program achieved favorable CARs, and participants showed high adherence. Proactive usage of the smartphone app may help contribute to smoking cessation success in the long-term.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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) | 0,001 | 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 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 ».