Smoking Cessation After Lung Cancer Diagnosis and the Risk of Second Primary Lung Cancer: The Multiethnic Cohort Study
Notice bibliographique
Résumé
Abstract Background Smoking cessation reduces lung cancer mortality. However, little is known about whether diagnosis of lung cancer impacts changes in smoking behaviors. Furthermore, the effects of smoking cessation on the risk of second primary lung cancer (SPLC) have not been established yet. This study aims to examine smoking behavior changes after initial primary lung cancer (IPLC) diagnosis and estimate the effect of smoking cessation on SPLC risk following IPLC diagnosis. Methods The study cohort consisted of 986 participants in the Multiethnic Cohort Study who were free of lung cancer and active smokers at baseline (1993-1996), provided 10-year follow-up smoking data (2003-2008), and were diagnosed with IPLC in 1993-2017. The primary outcome was a change in smoking status from “current” at baseline to “former” at 10-year follow-up (ie, smoking cessation), analyzed using logistic regression. The second outcome was SPLC incidence after smoking cessation, estimated using cause-specific Cox regression. All statistical tests were 2-sided. Results Among 986 current smokers at baseline, 51.1% reported smoking cessation at 10-year follow-up. The smoking cessation rate was statistically significantly higher (80.6%) for those diagnosed with IPLC between baseline and 10-year follow-up vs those without IPLC diagnosis (45.4%) during the 10-year period (adjusted odds ratio = 5.12, 95% confidence interval [CI] = 3.38 to 7.98; P < .001). Incidence of SPLC was statistically significantly lower among the 504 participants who reported smoking cessation at follow-up compared with those without smoking cessation (adjusted hazard ratio = 0.31, 95% CI = 0.14 to 0.67; P = .003). Conclusion Lung cancer diagnosis has a statistically significant impact on smoking cessation. Quitting smoking after IPLC diagnosis may reduce the risk of developing a subsequent malignancy in the lungs.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 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 ».