Do tobacco regulatory and economic factors influence smoking cessation outcomes? A post-hoc analysis of the multinational EAGLES randomised controlled trial
Notice bibliographique
Résumé
INTRODUCTION: We previously reported global regional differences in smoking cessation outcomes, with smokers of US origin having lower quit rates than smokers from some other countries. This post-hoc analysis examined global regional differences in individual-level and country-level epidemiological, economic and tobacco regulatory factors that may affect cessation outcomes. METHODS: EAGLES (Evaluating Adverse Events in a Global Smoking Cessation Study) was a randomised controlled trial that evaluated first-line cessation medications and placebo in 8144 smokers with and without psychiatric disorders from 16 countries across seven regions. Generalised linear and stepwise logistic regression models that considered pharmacotherapy treatment, psychiatric diagnoses, traditional individual-level predictors (eg, demographic and smoking characteristics) and country-specific smoking prevalence rates, gross domestic product (GDP) per capita, relative cigarette cost and WHO-derived MPOWER scores were used to predict 7-day point prevalence abstinence at the end of treatment. RESULTS: In addition to several traditional predictors, three of four country-level variables predicted short-term abstinence: GDP (0.54 (95% CI 0.47, 0.63)), cigarette relative income price (0.62 (95% CI 0.53, 0.72)) and MPOWER score (1.03 (95% CI 1.01, 1.06)). Quit rates varied across regions (22.0% in Australasia to 55.9% in Mexico). With northern North America (USA and Canada) as the referent, the likelihood of achieving short-term abstinence was significantly higher in Western Europe (OR 1.4 (95% CI 1.14, 1.61)), but significantly lower in Eastern Europe (0.39 (95% CI 0.22, 0.69)) and South America (0.17 (95% CI 0.08, 0.35)). CONCLUSIONS: Increased tobacco regulation was associated with enhanced quitting among participants in the EAGLES trial. Paradoxically, lower GDP, and more affordable cigarette pricing relative to a country's GDP, were also associated with higher odds of quitting. Geographical region was also a significant independent predictor. TRIAL REGISTRATION NUMBER: ClinicalTrials.gov, NCT01456936.
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 | 0,046 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,013 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».