Seasonal Variation in Demand for Smoking Cessation Treatment and Clinical Outcomes
Notice bibliographique
Résumé
INTRODUCTION: Smoking behaviour shows seasonal variation, with cigarette consumption and youth smoking onset highest in summer and smoking-related web searches and sales of nicotine replacement products highest in winter. Variation in demand for clinical care and in outcomes has not been explored. AIMS AND METHODS: We measure seasonal variation in enrolments, total clinical visits, visits per enrolment, and treatment outcome (7-day abstinence at 6-month follow-up) from 2015 to 2018 in a large (n = 85 869) clinical cohort from 454 clinics across Ontario, Canada. We model seasonality using harmonic logistic and negative binomial regression. For individual-level outcomes, we adjust for variables, selected a priori, known to be associated with treatment use or outcomes. Data are nearly complete for 3 outcomes, but 6m abstinence is missing for 45% of participants. We use multiple imputation to adjust for missing data. RESULTS: All four outcomes showed significant seasonal variation (all p <.001). Total enrolments and visits were 20%-25% higher in January-April than in June-September. Visits per enrolment varied slightly, with lowest levels from May-July. Abstinence at 6 months was lowest among individuals enrolled from February-May and highest for those enrolled from July-November, with an absolute peak-trough difference of 4.3% (95% CI = 3.2% to 5.5%). CONCLUSIONS: There is meaningful seasonal variation in demand for, and outcomes of, smoking cessation treatment. Climate and weather may be indirectly responsible. Seasonal differences underscore the general importance of contextual factors in smoking cessation, may be useful in program promotion, and may explain some variability in outcomes in evaluation and research. IMPLICATIONS: Demand for tobacco cessation treatment and clinical outcomes vary seasonally. This underscores the importance of context in substance-related problems, and implies that some variability in research and evaluation results may be due to the time of year data were collected. Promotion efforts might usefully consider seasonal effects to smooth out demand and possibly improve outcomes.
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 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».