Inpatient Tobacco Cessation Counseling and Treatment
Notice bibliographique
Résumé
BACKGROUND: Hospitalization is an ideal time to provide tobacco cessation counseling, but little is known about current practices of inpatient tobacco treatment in the United States. OBJECTIVES: The objective of the study was to describe the prevailing practices and perceptions regarding inpatient tobacco cessation treatment and counseling among U.S. Cardiologists. METHODS: A 27-question survey was developed, pretested, and administered to 498 cardiologists through the American College of Cardiology CardioSurve program. RESULTS: In total, 122 (24%) participants responded, of which 100 were eligible and completed the survey, achieving our expected response rate. The sample was generally representative of U.S. cardiologists. Cardiologists reported routinely screening for cigarette use (92%) but only a minority (20%) reported routinely referring patients for additional tobacco cessation support. Most cardiologists (74%) reported using the nicotine patch on occasion, but few ever used varenicline (31%) or bupropion (28%). A minority (12%) reported working at a hospital with an inpatient smoking cessation team, but many (41%) expressed interest in championing such a program. Administrative, financial, and time constraints were commonly reported barriers to successful deployment of an inpatient smoking cessation program. CONCLUSIONS: Although tobacco cessation is critical posthospitalization, most hospitals do not have tobacco cessation teams, and most cardiologists do not assist their patients in quit attempts. Although improving knowledge among cardiologists is important, policy changes to incentivize hospital-wide adoption of such programs is crucial to increase availability.
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 ».