Personalised multicomponent interventions for tobacco dependence management in low socioeconomic populations: a systematic review and meta-analysis
Notice bibliographique
Résumé
Background There remains a disproportionally high tobacco smoking rate in low-income populations. Multicomponent tobacco dependence interventions in theory are effective. However, which intervention components are necessary to include for low socioeconomic status (SES) populations is still unknown. Objective To assess the effectiveness of multicomponent tobacco dependence interventions for low SES and create a checklist tool examining multicomponent interventions. Methods EMBASE and MEDLINE databases were searched to identify randomised controlled trials (RCTs) published with the primary outcome of tobacco smoking cessation measured at 6 months or post intervention. RCTs that evaluated tobacco dependence management interventions (for reduction or cessation) in low SES (experience of housing insecurity, poverty, low income, unemployment, mental health challenges, illicit substance use and/or food insecurity) were included. Two authors independently abstracted data. Random effects meta-analysis and post hoc sensitivity analysis were performed. Results Of the 33 included studies, the number of intervention components ranged from 1 to 6, with smoking quit rates varying between 1% and 36.6%. Meta-analysis revealed that both the 6-month and 12-month outcome timepoints, multicomponent interventions were successful in achieving higher smoking quit rates than the control (OR 1.64, 95% Cl 1.41 to 1.91; OR 1.74, 95% Cl 1.30 to 2.33). Evidence of low heterogeneity in the effect size was observed at 6-month (I2=26%) and moderate heterogeneity at 12-month (I2=56%) outcomes. Conclusion Multicomponent tobacco dependence interventions should focus on inclusion of social support, frequency and duration of components. Employing community-based participatory-action research approach is essential to addressing underlying psychosocioeconomic-structural factors, in addition to the proven combination pharmacotherapies. PROSPERO registration number CRD42017076650.
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 | 0,014 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,020 | 0,032 |
| 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 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».