Predicting Time to Return to Cannabis Use After a Cessation Attempt: Impact of Cumulated Exposure to Nicotine-Containing Products
Notice bibliographique
Résumé
Objective: Cannabis is frequently co-used with tobacco/nicotine products, especially among young adults. Little is known about the effects of this co-use on cannabis cessation outcomes. Within a sample of young adults using cannabis frequently (current use of ≥5 days/week in the past 3 months), this study aimed to (a) document sources of exposure to tobacco/nicotine products, whether used simultaneously with cannabis or on different occasions, (b) examine if the level of cumulated exposure to tobacco/nicotine (self-reported or from biochemical testing) could predict time to cannabis lapse during a cannabis abstinence period, and (c) explore the relationship between nicotine/tobacco exposure and time to cannabis lapse according to tobacco cigarette smoking status. Method: Urine cotinine measures and self-reported data on use of different tobacco/nicotine products, collected from 32 participants (aged 19 to 23), were analyzed to predict time to lapse during a 2-week period of attempted abstinence from cannabis, controlling for cannabis dependence and sex. Results: Half of participants (56.3%) used at least one tobacco/nicotine product. Higher urine cotinine, representing higher cumulated tobacco/nicotine exposure, was related to a higher risk of lapsing (Hazard Ratio [HR] = 1.64; 95%CI [1.04, 2.58]). The risk of lapsing was even higher ([HR] = 3.46; 95%CI [1.17, 10.25]) among heavily tobacco/nicotine exposed (>600 ng/mL, urine cotinine) participants than among unexposed (<50 ng/mL) or lightly/moderately exposed (50-600 ng/mL) participants. Among those smoking cigarettes (solely or in combination with other products), there was no relation between cotinine level and time to lapse, likely due to a reduced variability in abstinence probability and a high likelihood of lapse observed for higher cotinine levels, mainly achieved by cigarette use. Conclusions: With a rapidly changing landscape of tobacco/nicotine use, our results underscore the need to consider all sources of tobacco/nicotine exposure to fully understand the specific and cumulative contributions of tobacco/nicotine to cannabis cessation outcomes.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».