Increasing Cannabis Use Is Associated With Poorer Cigarette Smoking Cessation Outcomes: Findings From the ITC Four Country Smoking and Vaping Surveys, 2016–2018
Notice bibliographique
Résumé
INTRODUCTION: Concurrent use of tobacco and cannabis may impede successful cigarette smoking cessation. This study examined whether changes in cannabis use frequency were associated with smoking cessation. AIMS AND METHODS: Nationally representative samples of adult cigarette smokers from Canada (n = 1455), the United States (n = 892), England (n = 1416), and Australia (n = 717) were surveyed in 2016 and 2018. In each year, smokers reported how often they used cannabis in the previous 12 months. Reports were compared to determine whether cannabis use increased, remained unchanged, or decreased. Smoking cessation outcomes, measured in 2018, were (1) any attempt to quit in the previous year, (2) currently quit, and (3) currently quit for at least 6 months. Weighted multivariable logistic regression estimated the association between changes in cannabis use and cessation outcomes. RESULTS: Cigarette smokers who increased their frequency of cannabis use were significantly less likely to be currently quit than noncannabis-using smokers (adjusted odds ratio (aOR) = 0.52, 95% CI = 0.31% to 0.86%); they were also less likely to have quit for at least 6 months (aOR = 0.30; 95% CI = 0.15% to 0.62%). CONCLUSIONS: Smokers who increase their frequency of cannabis use have poorer smoking cessation outcomes compared to noncannabis-using smokers. It will be important to monitor the impact of cannabis legalization on patterns of cannabis use, and whether this influences cigarette smoking cessation rates. IMPLICATIONS: Cigarette smokers who start using cannabis may be less likely to quit cigarettes compared with smokers who do not use cannabis at all. If smokers who also use cannabis are more likely to continue smoking, it is important to monitor these trends and understand the impact, if any, on smoking cessation in jurisdictions that have legalized cannabis for nonmedical use.
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 | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».