Identification of Sociodemographic, Clinical, and Genetic Factors to Aid Alaska Native and American Indian People to Successfully Quit Smoking
Notice bibliographique
Résumé
INTRODUCTION: Alaska Native and American Indian (ANAI) people have a smoking prevalence of 23%. Nicotine metabolite ratio (NMR) and genetic testing may enable tailored selection of tobacco cessation medication. AIMS AND METHODS: The purpose of this study was to evaluate the relative contributions of NMR, cessation medication, demographics, and tobacco use history to cessation. Participants were recruited into an observational cohort study consisting of a baseline visit prior to their quit date and 6-week follow-up. Demographic and tobacco use surveys and blood, urine, and breath samples were collected at each visit. Electronic health records were queried for cessation medications. NMR was categorized into slow or normal nicotine metabolism phenotypes (<0.31 and ≥ 0.31, respectively). The main outcome was cessation at 6 weeks. Analyses consisted of descriptive statistics, medication and phenotype concordance, and estimates of relative risk (RR) of quitting. RESULTS: We enrolled 151 ANAI adults who smoked cigarettes daily. Two-thirds had normal nicotine metabolism phenotype. Retrospective medication and phenotype concordance was 39%. The overall quit rate was 25%. No demographic factors or tobacco use history were associated with quit success. Varenicline and bupropion increased the likelihood of quitting (RR = 2.93 [1.42, 6.03] and RR = 2.52 [1.12, 5.64], respectively) compared to nicotine replacement therapy. Non-optimal medication and phenotype concordance decreased likelihood of quit success (RR = 0.44 [0.22, 0.91]) compared to optimal concordance. CONCLUSIONS: This exploratory study found associations between quit success and tobacco cessation medication as well as medication and phenotype concordance. Additional research is needed to assess use of NMR for treatment selection among ANAI people. IMPLICATIONS: These results broadly support additional community-engaged research to improve medication and phenotype concordance in tribal health settings. Such future research on implementing meditcation and phenotype concordance holds promise to improve expectations, quit success, and health outcomes amongst individuals attempting to quit smoking.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».