Clearing the Air: A Scoping Review of Smoking Cessation and Reduction Program Implementation in Long-Term Care
Notice bibliographique
Résumé
The past two decades have seen increased global commitment and coordinated efforts in tobacco control. However, individuals with chronic conditions continue to exhibit high smoking rates—a modifiable risk factor that contributes to disease progression and worsens health outcomes. Long-term care (LTC) settings, characterized by extended care duration and frequent provider contact, present a strategic opportunity to implement smoking cessation and reduction (SCR) programs alongside chronic care services. Although a range of SCR programs have demonstrated effectiveness in controlled research settings, to our knowledge, no review has yet applied an implementation science framework to systematically examine whether these programs sustain their impact when translated into real-world LTC practice—and if so, how and why. This scoping review aims to identify and synthesize: - The why: contextual barriers and facilitators that support or hinder successful implementation; - The how: implementation strategies (action-oriented approaches used to promote implementation); and - Implementation outcomes: such as feasibility, appropriateness, and acceptability. We searched five major health databases (MEDLINE, PubMed, PsycINFO, Web of Science, and CINAHL) and included peer-reviewed articles that described, reflected on, or evaluated the implementation of SCR programs aimed at supporting adults (aged 18 and older) in LTC or other inpatient non-acute/extended-care settings (e.g., nursing homes, group homes, rehabilitation centers, residential care facilities, inpatient psychiatric units). Data extraction and analysis are guided by established implementation science frameworks, including CFIR, ERIC, Proctor’s taxonomy of implementation outcomes, and RE-AIM. The goal is to provide a foundational evidence synthesis to inform future implementation and research efforts; for example, in guiding the use of evidence-informed strategies that leverage identified facilitators and address barriers to support program uptake, sustainability, and impact in LTC and beyond, ultimately advancing health equity for LTC residents.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».