Effectiveness of Bupropion and Varenicline for Smokers With Baseline Depressive Symptoms
Notice bibliographique
Résumé
INTRODUCTION: Smokers with concurrent depression are less likely to achieve abstinence, even with pharmacotherapy. The purpose of this secondary data analysis was to evaluate if the presence of any depressive symptoms at baseline alters the effectiveness of bupropion and varenicline for smoking cessation. AIMS AND METHODS: Eligible participants were enrolled via the internet and randomized 1:1 to receive a 12-week supply of either bupropion (n = 465) or varenicline (n = 499). Depressive symptoms were assessed using the Patient Health Questionnaire (PHQ-2). Follow-up surveys were conducted at weeks 4, 8, 12, 26, and 52 to assess self-reported quit. The primary outcome was 7-day point prevalence abstinence at 12 weeks follow-up (end-of-treatment). RESULTS: Participants who endorsed any depressive symptoms (PHQ-2 > 0; n = 280) were less likely to be quit at end-of-treatment compared to participants who did not endorse any symptoms (PHQ-2 = 0; n = 684) (OR = 0.56, 95% CI: 0.38 to 0.8, p = .003). Within the varenicline group, quit outcomes did not differ between those with and without depressive symptoms (21.3% vs. 26.9%, respectively). Within the bupropion group, however, those with symptoms had a significantly reduced quit rate compared to those without symptoms (7.0% vs. 17.3%, respectively). CONCLUSIONS: The presence of even one symptom of depression at the start of a quit attempt may adversely affect quit outcomes. Patients should be assessed for depressive symptoms when planning to quit smoking as it may inform the approach to treatment. However, future studies are needed to confirm these findings. IMPLICATIONS: Findings from the current study illustrate the importance of evaluating baseline sub-clinical depressive symptoms before a quit attempt using first-line pharmacotherapies. This secondary analysis of a large-scale randomized trial suggests that bupropion may be less effective for those with baseline depressive symptoms while varenicline may be equally effective for those with and without depressive symptoms.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».