Integration of an evidence-based tobacco cessation program into a substance use disorders program to enhance equity of treatment access for northern, rural, and remote communities
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Integrating tobacco cessation interventions into substance use disorder (SUD) programs is recommended, yet few are implemented into practice. This translational research implementation study was designed to integrate an evidence-based tobacco cessation intervention into a 2-week hospital outpatient SUD program that served a rural municipality and 33 remote Indigenous communities. Objectives included determining tobacco use prevalence, intervention uptake, and staffing resources required for intervention delivery. A series of 1-hr tobacco and health/well-being interactive education and behavior-change groups were developed for the SUD program to create a central access point to offer an evidence-based, intensive tobacco cessation intervention that included an initial counseling/planning session and nine post-SUD treatment follow-ups (weekly month 1; biweekly month 2; and 3, 6, and 12 months). Group sign-in data included age, gender, community, tobacco use, and interest in receiving tobacco cessation help. Thirty-two groups (April 2018 to February 2019) were attended by 105 people from 22 communities-56% were female, mean age = 30.9 (±7.3; 93% <45 years), 86% smoked, and 38% enrolled in the intensive tobacco cessation intervention. The age-standardized tobacco use ratio was two times higher than would be expected in the general rural population in the region. Average staff time to provide the intervention was 1.5-2.5 hr/week. Results showed that a Healthy Living group integrated into SUD programming provided a forum for tobacco education, behavior-change skills development, and access to an intensive tobacco cessation intervention for which enrollment was high yet the intervention could be delivered with only a few staff hours a week.
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.
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 | 0,000 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle