MétaCan
Menu
Retour à la cohorte
Enregistrement W4312447406 · doi:10.1093/eurheartj/ehab724.2600

Efficacy and safety of e-cigarette use for smoking cessation: a systematic review and meta-analysis of randomized controlled trials

2021· review· en· W4312447406 sur OpenAlexaffabout
Jeremy Y. Levett, Kristian B. Filion, Pascal Reynier, Celine Prell, Mark J. Eisenberg

Notice bibliographique

RevueEuropean Heart Journal · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueSmoking Behavior and Cessation
Établissements canadiensMcGill UniversityJewish General Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineSmoking cessationAbstinenceMeta-analysisNicotineRandomized controlled trialConfidence intervalRelative riskNicotine patchInternal medicinePsychiatryPlaceboAlternative medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Background Quitting smoking substantially reduces the risk of developing cardiovascular disease. Smokers are increasingly turning to electronic cigarettes (e-cigarettes) to help them quit smoking combustible cigarettes. However, the efficacy and safety of e-cigarettes for smoking cessation remain controversial. Purpose To examine the efficacy and safety of e-cigarette use for smoking cessation. Methods We conducted a systematic review and meta-analysis of randomized controlled trials (RCTs) comparing nicotine and non-nicotine e-cigarettes (alone, or in combination with behavioural and/or pharmacological interventions) to conventional smoking cessation therapies (pharmacological, behavioural, or both). We systematically searched MEDLINE, Embase, and the Cochrane Libraries. Inclusion was restricted to RCTs that reported biochemically validated abstinence at six months or greater. The primary comparison was nicotine e-cigarettes versus any (non-e-cigarette) conventional smoking cessation therapy. Count data were pooled using DerSimonian and Laird random-effects models with inverse variance weighting to obtain relative risks (RRs) and 95% confidence intervals (CIs). Results A total of six RCTs (n=3,401) were included, with maximum follow-up durations ranging from six to 12 months. Compared with conventional smoking cessation therapies, point estimates favoured nicotine e-cigarettes for the most rigorous criterion of abstinence, continuous abstinence, and point prevalence abstinence, although findings were inconclusive due to wide 95% CIs (Table 1). Similar trends were observed when comparing non-nicotine e-cigarettes to traditional smoking cessation therapies. Compared with non-nicotine e-cigarettes, nicotine e-cigarettes increased abstinence as defined by the most rigorous criterion. Although there was a signal suggesting a potential increased risk of respiratory adverse events with nicotine e-cigarettes versus traditional therapies, the 95% CI is wide. Conclusion E-cigarettes appear to be more efficacious than conventional nicotine pharmacotherapies and behavioural smoking cessation therapies. Although currently available safety data are inconclusive, e-cigarettes may be considered for smoking cessation given the established long-term health consequences of continued smoking. Funding Acknowledgement Type of funding sources: Public Institution(s). Main funding source(s): Mr. Levett is supported by an Ivan Racheff Scholarship, funded through the McGill University Faculty of Medicine and Health Sciences Research Bursary Program. Dr. Filion is supported by a Senior Research Scholar award from the Fonds de recherche du Québec – Santé and a William Dawson Scholar award from McGill University.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,024
score de la tête « metaresearch » (Gemma)0,063
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,126

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,063
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0250,039
Bibliométrie0,0090,009
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0030,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,282
Tête enseignante GPT0,435
Écart entre enseignants0,153 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEuropean Heart JournalMême sujetSmoking Behavior and CessationTravaux en français237 207