Comparing Smoking Cessation Interventions among Underserved Patients Referred for Lung Cancer Screening: A Pragmatic Trial Protocol
Notice bibliographique
Résumé
Smoking burdens are greatest among underserved patients. Lung cancer screening (LCS) reduces mortality among individuals at risk for smoking-associated lung cancer. Although LCS programs must offer smoking cessation support, the interventions that best promote cessation among underserved patients in this setting are unknown. This stakeholder-engaged, pragmatic randomized clinical trial will compare the effectiveness of four interventions promoting smoking cessation among underserved patients referred for LCS. By using an additive study design, all four arms provide standard "ask-advise-refer" care. Arm 2 adds free or subsidized pharmacologic cessation aids, arm 3 adds financial incentives up to $600 for cessation, and arm 4 adds a mobile device-delivered episodic future thinking tool to promote attention to long-term health goals. We hypothesize that smoking abstinence rates will be higher with the addition of each intervention when compared with arm 1. We will enroll 3,200 adults with LCS orders at four U.S. health systems. Eligible patients include those who smoke at least one cigarette daily and self-identify as a member of an underserved group (i.e., is Black or Latinx, is a rural resident, completed a high school education or less, and/or has a household income <200% of the federal poverty line). The primary outcome is biochemically confirmed smoking abstinence sustained through 6 months. Secondary outcomes include abstinence sustained through 12 months, other smoking-related clinical outcomes, and patient-reported outcomes. This pragmatic randomized clinical trial will identify the most effective smoking cessation strategies that LCS programs can implement to reduce smoking burdens affecting underserved populations. Clinical trial registered with clinicaltrials.gov (NCT04798664). Date of registration: March 12, 2021. Date of trial launch: May 17, 2021.
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 | 0,044 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,007 | 0,004 |
| Méta-épidémiologie (sens large) | 0,009 | 0,007 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,009 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,071 | 0,009 |
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 ».