MétaCan
Menu
Retour à la cohorte
Enregistrement W7073714763

Effectiveness of stop-smoking medications: Findings from the International Tobacco Control (ITC) Four Country Survey

2013· article· en· W7073714763 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueDiverse Scientific and Economic Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTobacco controlAbstinenceConfidence intervalPopulationOdds ratioSmoking cessationRecallQuit smoking
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Aim To evaluate the population effectiveness of stop-smoking medications while accounting for potential recall bias by controlling for quit attempt recency. Design Prospective cohort survey. Setting United Kingdom, Canada, Australia and the United States. Participants A total of 7436 adult smokers (18+ years) selected via random digit dialling and interviewed as part of the International Tobacco Control Four Country Survey (ITC-4) between 2002 and 2009. Primary analyses utilized the subset of respondents who participated in 2006 or later (n = 2550). Measurements Continuous abstinence from smoking for 1 month/6 months. Findings Among participants who recalled making a quit attempt within 1 month of interview, those who reported using varenicline, bupropion or nicotine patch were more likely to maintain 6-month continuous abstinence from smoking compared to those who attempted to quit without medication [adjusted odds ratio (OR) 5.84, 95 % confidence interval (CI) (2.12–16.12), 3.94 (0.87–17.80), 4.09 (1.72–9.74), respectively]; there were no clear effects for oral NRT use. Those who did not use any medication when attempting to quit tended to be younger, to be racial/ethnic minorities, to have lower incomes and to believe that medications do not make quitting easier. Conclusions Consistent with evidence from randomized con-

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,101
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0140,004

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,210
Écart entre enseignants0,177 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDiverse Scientific and Economic StudiesTravaux en français237 207