Physical multimorbidity and quit outcomes in a publicly funded smoking cessation programme
Notice bibliographique
Résumé
OBJECTIVES: To examine the association between physical multimorbidity and 6-month quit outcomes among treatment-seeking smokers. METHODS: We analysed data from 120 732 adults enrolled in Ontario's largest publicly funded smoking cessation programme. At enrolment, participants self-reported zero, one or two or more chronic physical health conditions. The primary outcome was 7-day point prevalence abstinence at 6 months. We used mixed-effects logistic regression to assess the association between multimorbidity and quit outcomes, adjusting for demographic and tobacco use characteristics. RESULTS: Of participants, 39.4% reported no conditions, 26.8% reported one and 33.8% reported two or more. Those with multimorbidity were older, had lower socioeconomic status and showed higher tobacco dependence but also greater motivation to quit. Compared to individuals without comorbidities, those with one condition (OR = 0.94, 95% CI: 0.90-0.98) and those with two or more (OR = 0.81, 95% CI: 0.77-0.85) had lower odds of quitting. Mental health conditions further reduced quit success among those with physical multimorbidity. DISCUSSION: Physical multimorbidity is associated with 19% lower odds of cessation success despite high motivation to quit. Tailored, intensive cessation support may improve outcomes for this high-risk group.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».