Według brytyjskiego badania z randomizacją, sam zestaw e-papierosów wysłany pocztą jest skuteczniejszy w rzucaniu palenia niż wsparcie mailowe, a telefoniczne monitorowanie postępów dodatkowo zwiększa skuteczność.
Badanie sfinansowane ze środków publicznych, przeprowadzone przez Queen Mary University of London, objęło 1170 palaczy, którzy otrzymali jedną z trzech metod rzucania nałogu. Uczestnicy pierwszej grupy otrzymywali zautomatyzowane e-maile, drugiej – zestaw e-papierosów, a trzeciej – oprócz zestawu również cotygodniowe wsparcie telefoniczne przez cztery tygodnie. Po sześciu miesiącach wskaźnik rzucenia palenia był najwyższy w grupie z e-papierosami i wsparciem telefonicznym, osiągając 21,1 procent.
Wyniki pokazują, że w grupie otrzymującej tylko e-papierosa wskaźnik skuteczności wyniósł 11,3 procent, podczas gdy w grupie mailowej odnotowano zaledwie 6,4 procent. Naukowcy ustalili, że wsparcie telefoniczne zachęcało głównie do korzystania z urządzenia na wczesnym etapie, co zwiększało szansę na sukces. Zdecydowana większość osób, które rzuciły palenie, nadal korzystała z e-papierosa po upływie roku, stopniowo obniżając poziom nikotyny.
Autorzy badania opublikowanego w czasopiśmie NEJM Evidence uznają potencjalne ryzyko długotrwałego wapowania, ale podkreślają, że jest ono znikome w porównaniu z paleniem tytoniu. Dane potwierdzają, że zapewnienie dostępu do zamkniętych systemów (podów) drogą medyczną lub pocztową w celu zastąpienia tradycyjnych wyrobów tytoniowych może przynieść znaczne korzyści dla zdrowia publicznego.
W skrócie
- Brytyjskie badanie z udziałem 1170 palaczy przeanalizowało rolę wapowania w rzucaniu nałogu.
- Zestaw e-papierosów wysłany pocztą przyniósł dwukrotnie lepsze wyniki niż samo wsparcie mailowe.
- Dodanie czterotygodniowego wsparcia telefonicznego prawie podwoiło szansę na sukces, osiągając wynik 21,1 procent.
- Większość osób, które rzuciły palenie, nadal wapowała po roku, ale stopniowo zmniejszała dawkę nikotyny.
Źródło: VapingPost FR (fr.vapingpost.com)
Podsumowanie zostało przygotowane przez sztuczną inteligencję na podstawie oryginalnego artykułu.