Using the Ottawa Model for Smoking Cessation to Improve Tobacco Cessation Efforts in Transitional Care
Notice bibliographique
Résumé
Tobacco cessation improves health and prevents death in patients who smoke. An evidence-based practice (EBP) project was implemented within an outpatient transitional care office to improve tobacco cessation efforts. The purpose of this doctoral project was to determine if the Ottawa Model for Smoking Cessation (OMSC) increased tobacco cessation counseling and referral rates. Counseling rates were defined as the percentage of smokers who received advice about quitting smoking. Referral rates represented the percentage of smokers referred to tobacco cessation services through the Maryland Quitline. The OMSC intervention emphasizes a three-step approach of ask, advise, and act to guide tobacco cessation assessment, counseling, and referral. Additional intervention components included outreach, training, electronic health record (EHR) enhancements, resource materials, and follow-up. The Stages of Change Model provided the theoretical framework for the project, and EBP implementation was guided by the Iowa Model. Participant data was collected from the EHR pre- and post-implementation with a total sample size of 248 participants, (n=125 pre; n=123 post). Data were analyzed using a z-test to compare the two groups’ mean counseling and referral rates, a t-test for equality of subgroups, and Chi-square test for analysis of other demographic characteristics. After implementation of the OMSC intervention, counseling rates increased by 22.1% (p = < .001) and referral rates increased by 6.5% (p < .002). Age group and race/ethnicity had a moderate association with referral rates (p < 0.05). Project findings provided support for this EBP change within the practice setting.
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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».