Does alcohol consumption elevate smoking relapse risk of people who used to smoke? Differences by duration of smoking abstinence
Notice bibliographique
Résumé
BACKGROUND: Past research indicates dual users of tobacco and alcohol find it harder to quit smoking and may be more likely to relapse. This study investigated whether post-quit alcohol use predicted smoking relapse among ex-smokers, and whether this relationship varied by length of smoking abstinence. METHOD: The study included 1064 ex-smokers (18+ years) from Canada (n = 340), US (n = 314), England (n = 261), and Australia (n = 149) who participated in the 2018 and 2020 International Tobacco Control Four Country Smoking and Vaping Survey, and we conducted analyses using multivariable logistic regression. We assessed alcohol consumption in 2018 using AUDIT-C and coded as never/low, moderate or heavy level and used alcohol consumption to predict smoking status in 2020. RESULTS: Overall 26 % and 21 % of ex-smokers consumed alcohol at a moderate and heavy level, respectively. Compared to never/low alcohol consumption, risk of smoking relapse among those who consumed alcohol at a moderate level was significantly lower within the first year of abstinence (OR = 0.34, 95 % CI = 0.14-0.81, p = 0.015) but higher thereafter (OR = 2.44, 95 % CI = 1.13-5.23, p = 0.023). The pattern of results was similar for those who consumed alcohol at a heavy level. CONCLUSIONS: Overall, baseline alcohol consumption of ex-smokers did not predict their smoking relapse risk. As expected, risk differed by smoking abstinence duration. However, the pattern was unexpected among the short-term quitters as the subgroup who drank moderately/heavily had lower relapse risk than their counterparts who never drink or at low level, underscoring the need to replicate this unexpected finding.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».