Delayed Reward Discounting as a Prognostic Factor for Smoking Cessation Treatment Outcome: A Systematic Review
Notice bibliographique
Résumé
INTRODUCTION: While large proportions of smokers attempt to quit, rates of relapse remain high and identification of valid prognostic markers is of high priority. Delayed reward discounting (DRD) is a behavioral economic index of impulsivity that has been associated with smoking cessation, albeit inconsistently. This systematic review sought to synthesize the empirical findings on DRD as a predictor of smoking cessation treatment outcome, to critically appraise the quality of the literature, and to propose directions for future research. AIMS AND METHODS: A total of 734 articles were identified, yielding k = 14 studies that met the eligibility criteria. The Quality in Prognosis Studies (QUIPS) tool was used to assess methodological quality of the included studies. RESULTS: Individual study methods were highly heterogeneous, including substantial variation in research design, DRD task, clinical subpopulation, and treatment format. The predominant finding was that steeper DRD (higher impulsivity) was associated with significantly worse smoking cessation outcomes (10/14 studies). Negative results tended to be in pregnant and adolescent subpopulations. The QUIPS results suggested low risk of bias across studies; 11/14 studies were rated as low risk of bias for 5/6 QUIPS domains. CONCLUSIONS: This review revealed consistent low-bias evidence for impulsive DRD as a negative prognostic predictor of smoking cessation treatment outcome in adults. However, methodological heterogeneity was high, precluding meta-analysis and formal tests of small study bias. The prospects of targeting impulsive DRD as a potentially modifiable risk factor or providing targeted treatment for smokers exhibiting high levels of discounting are discussed. IMPLICATIONS: These findings indicate consistent evidence for DRD as a negative prognostic factor for smoking cessation outcome in adults. As such, DRD may be a useful as a novel treatment target or for identifying high-risk populations requiring more intensive treatment.
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 | 0,012 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,012 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 ».