Test Fagerströma (FTND) – jak policzyć wynik uzależnienia od nikotyny

Autor: Konrad Hryniewicz · Opublikowano: 1 listopada 2026

Czym jest test Fagerströma (FTND)

Test Fagerströma dla uzależnienia od nikotyny (Fagerström Test for Nicotine Dependence, FTND) to krótki kwestionariusz samoopisowy dla osób palących papierosy. Powstał jako poprawiona wersja kwestionariusza tolerancji Fagerströma (FTQ) z 1978 roku. Heatherton i in. (1991) sprawdzili u 254 osób palących, jak każda pozycja FTQ wiąże się z biochemicznymi wskaźnikami intensywności palenia. Dwie pozycje nie wiązały się z żadnym wskaźnikiem i to one odpowiadały głównie za słabe właściwości psychometryczne FTQ. Autorzy je usunęli i zmienili punktację dwóch innych pytań: o czas do pierwszego papierosa i o liczbę papierosów dziennie. Tak powstał FTND, który ma sześć pozycji zamiast ośmiu (Kozlowski i in., 1994).

W pracach dyplomowych FTND pojawia się najczęściej na kierunkach zdrowie publiczne, pielęgniarstwo i medycyna: w badaniach palenia wśród studentów, pacjentów albo personelu, jako zmienna w analizie związków lub opisie próby. Ogólne zasady analizy na tych kierunkach opisują wpisy o statystyce w pracy ze zdrowia publicznego, w pracy z pielęgniarstwa oraz statystyka dla lekarza. Ten wpis należy do serii o liczeniu wyników narzędzi, w której opisaliśmy już m.in. test alkoholowy AUDIT.

W 2012 roku Fagerström zaproponował nową nazwę: Fagerström Test for Cigarette Dependence (FTCD). Uzasadnił to tym, że nikotyna jest najważniejszym, ale prawdopodobnie nie jedynym czynnikiem uzależnienia od palenia papierosów (Fagerström, 2012). FTND i FTCD to więc to samo narzędzie pod dwiema nazwami. W pracy użyj tej nazwy, która jest w publikacji wersji językowej, i podaj obie przy pierwszym użyciu.

Budowa: sześć pozycji, dwie z czterema kategoriami

Treści pozycji nie przytaczamy. Dwie z nich możemy jednak opisać, bo ich kategorie opublikowano w osobnym artykule. Pozycja 1 dotyczy czasu od przebudzenia do pierwszego papierosa, a pozycja 4 – liczby papierosów wypalanych dziennie (Meneses-Gaya i in., 2009). Heatherton i in. (1989) zaproponowali dla obu po cztery kategorie: czas do 5 minut, 6–30, 31–60 i ponad 60 minut oraz 1–10, 11–20, 21–30 i co najmniej 31 papierosów. Właśnie te dwie pozycje razem tworzą krótki wskaźnik HSI (Heaviness of Smoking Index; Kozlowski i in., 1994). Pozostałe cztery pozycje pochodzą z FTQ bez zmiany punktacji (Heatherton i in., 1991).

Ostatni wiersz wymaga wyjaśnienia. Przypisanie punktów do odpowiedzi jest w artykule Heathertona i in. (1991), a jego pełnego tekstu nie mogliśmy przeczytać. Strony z „kluczem FTND” krążące w internecie nie są stronami autorów, a część z nich różni się szczegółami. Dlatego nie przepisujemy punktacji z drugiej ręki. Weź ją z artykułu oryginalnego albo z opublikowanej wersji językowej, z której korzystasz, i zacytuj to źródło. Ogólne zasady przekodowania odpowiedzi w punkty opisuje hasło klucz odpowiedzi.

Jak policzyć wynik FTND krok po kroku

Krok 1. Zamień odpowiedzi na punkty według klucza

Formularz online zapisuje zwykle numer wybranej odpowiedzi (1, 2, 3…), a nie punkty. Przy FTND to ważne, bo pozycje mają różną liczbę kategorii. Utwórz nowe kolumny z punktami według tabeli z publikacji i nie nadpisuj surowych odpowiedzi. Pozycje 1 i 4 przypisują więcej punktów cięższemu paleniu, czyli krótszemu czasowi do pierwszego papierosa i większej liczbie papierosów. Kategorie odpowiedzi trzeba więc ułożyć w odpowiednim kierunku. Liczbę papierosów zbieraj w kategoriach z formularza. Jeśli pytasz o dokładną liczbę, przekoduj ją potem na kategorie. Technikę przekodowania w Excelu, SPSS i R pokazuje poradnik jak policzyć wynik kwestionariusza.

Krok 2. Zsumuj sześć pozycji

Wynik FTND to suma punktów sześciu pozycji. Nie ma pozycji odwróconych do przekodowania. Średnia z pozycji nie ma tu sensu, bo pozycje mają różne zakresy punktów, a w literaturze raportuje się sumę. Dlaczego zwykle wybiera się sumę albo średnią, wyjaśnia hasło wynik skali: średnia czy suma. Pojedyncze wyniki sprawdzisz w kalkulatorze wyniku skali.

Krok 3. Policz HSI, jeśli go potrzebujesz

HSI to suma punktów pozycji 1 i 4. Kozlowski i in. (1994) pokazali w dwóch dużych badaniach, że HSI przewidywał rzucenie palenia tak samo dobrze jak cały FTND. Oba wyniki wyjaśniały jednak bardzo mało wariancji, około 1%. HSI przydaje się, gdy ankieta musi być krótka, ale nie zastępuje FTND, jeśli w hipotezie występuje pełny test.

Krok 4. Ustal regułę dla braków przed analizą

Cytowane źródła nie podają reguły uzupełniania braków. Przy sześciu pozycjach o różnym zakresie uśrednianie pozostałych pozycji zniekształca wynik, więc najbezpieczniej liczyć wynik tylko przy komplecie odpowiedzi. W pracy podaj, ilu osób to dotyczyło. Mechanizmy braków opisuje hasło braki danych MCAR, MAR i MNAR.

Interpretacja: wynik ciągły zamiast etykiety

Wyższy wynik oznacza silniejsze uzależnienie od nikotyny. W badaniu korelacyjnym albo porównaniu grup analizuj wynik jako zmienną ciągłą. Wynik ma tylko 11 możliwych wartości i zwykle jest prawostronnie skośny. Dlatego obok średniej podaj medianę i rozstęp ćwiartkowy.

W literaturze i na stronach dla pacjentów krąży kilkustopniowa klasyfikacja wyniku, od „bardzo niskiego” do „bardzo wysokiego” uzależnienia. Przegląd Meneses-Gaya i in. (2009) ją wymienia, ale nie podaje jej źródła, a w abstrakcie artykułu oryginalnego nie ma żadnych kategorii. Granic tej klasyfikacji nie przytaczamy. Ten sam przegląd stwierdza, że do wyznaczenia punktów odcięcia dla różnych populacji potrzeba jeszcze badań trafności. Znalazł tylko jedno badanie czułości i swoistości FTND, prowadzone w Japonii u pacjentów onkologicznych. Jeśli promotor wymaga kategorii, weź je ze źródła, które sam(a) przeczytałeś (przeczytałaś), i zacytuj je. Nie twórz ich z kwartyli próby (zob. niski, przeciętny, wysoki wynik). Każdy punkt odcięcia zamienia wynik ciągły na kategorie i traci przy tym część informacji.

Wynik FTND nie jest rozpoznaniem zaburzenia. W badaniu nie interpretuj wyników uczestnikom indywidualnie i nie udzielaj im porad dotyczących palenia. Takie zasady ustala protokół zatwierdzony przez komisję etyczną.

Przykład: FTND u 320 osób palących codziennie

Dane są symulowane i możesz je pobrać jako plik CSV. Kolumny p1–p6 zawierają punkty po zastosowaniu klucza. W danych przykładowych pozycje 1 i 4 przyjmują wartości 0–3, a pozostałe 0–1. Daje to zakres 0–10 opisany w przeglądzie, ale przed analizą prawdziwych danych porównaj kodowanie z tabelą w artykule oryginalnym. Cztery osoby miały co najmniej jeden brak, więc analizę prowadzimy na 316 osobach.

Rozkład jest prawostronnie skośny. Wynik 0 ma 13.0% osób, a najwyższy możliwy wynik 10 – tylko 3 osoby (0.95%). Efekt podłogi jest więc umiarkowany. Kozlowski i in. (1994) zwrócili uwagę na odwrotny problem w próbach osób palących dużo: FTND słabo różnicuje wyniki od średnich do najwyższych. Korelacja Spearmana FTND z HSI wyniosła ρ = .92. To nie jest dowód trafności, bo HSI stanowi część FTND.

Rzetelność: alfa, omega i słaba pozycja

Alfa Cronbacha wyniosła .63, 95% CI [.56, .69]. To wartość typowa dla tego narzędzia: w 14 badaniach z przeglądu Meneses-Gaya i in. (2009) alfa wynosiła od .55 do .74. Niska alfa nie dyskwalifikuje FTND w pracy, ale trzeba ją skomentować. Wynika z małej liczby pozycji i z tego, że pozycje mierzą nieco różne aspekty palenia. Co robić z alfą poniżej .70, opisuje wpis alfa Cronbacha poniżej 0,7.

Alfa zakłada równe ładunki pozycji, czego w FTND nie ma (McNeish, 2018). Dlatego obok niej podaj omegę McDonalda. Jednoczynnikowy model CFA z estymatorem MLR był dobrze dopasowany: χ²(9) = 9.64, p = .381, CFI = .996, RMSEA = .016, SRMR = .033. Omega wyniosła .69. Rysunek 2 pokazuje źródło niskiej rzetelności. Pozycje 1 i 4, czyli te z czterema kategoriami, mają najwyższe ładunki (.70 i .62). Pozycja 3 ma ładunek .25 i korelację z resztą skali .21.

Czy usunąć pozycję 3? Nie. Usunięcie pozycji zmienia narzędzie i jego zakres, a wyniku nie da się wtedy porównać z literaturą. Przegląd odnotowuje zresztą, że w dwóch badaniach to pozycje 2 i 3 wnosiły najmniej informacji, a w nowszych badaniach FTND często tworzy dwa czynniki (Meneses-Gaya i in., 2009). Słabą pozycję opisz w dyskusji, a wynik licz zgodnie z kluczem.

Związek z czasem palenia i porównanie grup

Wynik FTND korelował z liczbą lat palenia: ρ Spearmana = .52, p < .001. Mężczyźni (n = 149) mieli medianę 3 [2, 5], a kobiety (n = 167) medianę 3 [1, 5]. Test Manna–Whitneya nie wykazał istotnej różnicy, W = 10950, p = .064. Korelacja rangowo-biseryjna wyniosła r_rb = −.12, 95% CI [−.24, .01]. Przedział ufności sięga od zera do małego efektu, więc wynik nie przesądza o braku różnicy. Interpretację takich miar opisuje wpis o wielkości efektu w testach nieparametrycznych.

Jak opisać FTND w pracy

Wzory zawierają liczby z przykładu. W nawiasach kwadratowych uzupełnij dane wersji, której używasz.

Ogólny schemat opisu narzędzia znajdziesz w poradniku opis narzędzia badawczego – wzór, a alfę i omegę dla własnych danych policzysz w kalkulatorze alfy i omegi.

Licencja i polska wersja

Nie znaleźliśmy oficjalnej strony autorów FTND z warunkami użycia testu. Artykuł z 1991 roku ukazał się w czasopiśmie subskrypcyjnym, a prawa do tekstu ma wydawca. Test jest powszechnie używany w badaniach, ale to nie zastępuje sprawdzenia warunków. Ustal je u źródła wersji, z której korzystasz. Przy polskiej wersji zacytuj publikację, w której ją opisano, i nie przypisuj jej właściwości z badań zagranicznych. Jak przebiega rzetelna adaptacja, opisuje wpis adaptacja kulturowa kwestionariusza, a gdzie szukać narzędzi – poradnik gdzie znaleźć kwestionariusze psychologiczne.

# B258 – FTND: wynik ogólny, HSI, rozkład, rzetelność (alfa i omega), porównanie grup (dane symulowane, set.seed(25801)).
# 320 dorosłych osób palących codziennie z badania przekrojowego. Kolumny p1–p6 zawierają PUNKTY pozycji
# po zastosowaniu klucza z publikacji Heathertona i in. (1991) – treści pozycji ani tabeli punktacji tu nie podajemy.
# W danych przykładowych p1 (czas do pierwszego papierosa) i p4 (liczba papierosów dziennie) mają po 4 kategorie (0–3),
# a pozostałe cztery pozycje dwie (0–1); przed analizą porównaj kodowanie z tabelą w oryginalnej publikacji.
suppressPackageStartupMessages({ library(psych); library(lavaan); library(effectsize) })
set.seed(25801)
n <- 320
plec <- factor(sample(c("kobieta", "mężczyzna"), n, replace = TRUE, prob = c(.52, .48)))
eta <- rnorm(n) + 0.25 * (plec == "mężczyzna")                     # zmienna latentna: nasilenie uzależnienia
kat4 <- function(lam, progi) findInterval(lam * eta + rnorm(n, 0, sqrt(1 - lam^2)), progi)
bin  <- function(lam, prog)  as.integer(lam * eta + rnorm(n, 0, sqrt(1 - lam^2)) > prog)
dane <- data.frame(id = 1:n, plec,
  p1 = kat4(.75, c(-0.60, 0.40, 1.30)), p2 = bin(.45, 0.70), p3 = bin(.40, 0.20),
  p4 = kat4(.65, c(-0.20, 0.90, 1.80)), p5 = bin(.50, 0.80), p6 = bin(.50, 0.60))
dane$lata_palenia <- round(pmax(1, 8 + 3.5 * eta + rnorm(n, 0, 6)))
dane$p3[c(41, 188)] <- NA; dane$p6[c(97, 188, 260)] <- NA          # braki odpowiedzi
write.csv(dane, "../ftnd-dane-przyklad.csv", row.names = FALSE, na = "")  # plik do pobrania
poz <- paste0("p", 1:6)

# Krok 1. Kontrola kodowania: p1 i p4 tylko 0–3, pozostałe tylko 0–1; liczba braków
c(cztery_kat = all(sapply(dane[, c("p1", "p4")], function(x) all(x %in% c(0:3, NA)))),
  dwie_kat = all(sapply(dane[, c("p2", "p3", "p5", "p6")], function(x) all(x %in% c(0:1, NA)))))
table(braki = rowSums(is.na(dane[, poz])))

# Krok 2. Wynik ogólny (suma 6 pozycji) i HSI (p1 + p4) – tylko przy komplecie odpowiedzi, bez imputacji
dane$FTND <- ifelse(rowSums(is.na(dane[, poz])) == 0, rowSums(dane[, poz]), NA)
dane$HSI <- dane$p1 + dane$p4
pel <- dane[!is.na(dane$FTND), ]
nrow(pel)
opis <- function(x) round(c(n = length(x), M = mean(x), SD = sd(x), Me = median(x), Q1 = unname(quantile(x, .25)),
  Q3 = unname(quantile(x, .75)), min = min(x), max = max(x), skosnosc = psych::skew(x),
  proc_min = 100 * mean(x == 0), proc_max = 100 * mean(x == max(x))), 2)
rbind(FTND = opis(pel$FTND), HSI = opis(pel$HSI))
table(FTND = pel$FTND)
round(colMeans(pel[, poz]), 2)                                       # średnie punkty pozycji

# Krok 3. Rzetelność: alfa Cronbacha z 95% CI Feldta i omega z jednoczynnikowej CFA (MLR)
a <- alpha(pel[, poz], warnings = FALSE)
round(c(alfa = a$total$raw_alpha, lo = a$feldt$lower.ci[[1]], hi = a$feldt$upper.ci[[1]]), 3)
round(a$item.stats[, "r.drop", drop = FALSE], 2)                     # korelacja pozycja–reszta skali
f1 <- cfa(paste("F =~", paste(poz, collapse = " + ")), data = pel, estimator = "MLR", std.lv = TRUE)
round(fitMeasures(f1, c("chisq.scaled", "df.scaled", "pvalue.scaled", "cfi.robust", "rmsea.robust", "srmr")), 3)
pe <- parameterEstimates(f1)
lam <- pe$est[pe$op == "=~"]; th <- pe$est[pe$op == "~~" & pe$lhs %in% poz & pe$lhs == pe$rhs]
round(c(omega = sum(lam)^2 / (sum(lam)^2 + sum(th))), 3)
round(setNames(standardizedSolution(f1)$est.std[1:6], poz), 2)       # ładunki standaryzowane

# Krok 4. Związek FTND z HSI i z liczbą lat palenia (Spearman)
round(c(rho_HSI = cor(pel$FTND, pel$HSI, method = "spearman"),
        rho_lata = cor(pel$FTND, pel$lata_palenia, method = "spearman")), 2)
cor.test(pel$FTND, pel$lata_palenia, method = "spearman", exact = FALSE)

# Krok 5. Porównanie kobiet i mężczyzn: Mann–Whitney i korelacja rangowo-biseryjna
aggregate(FTND ~ plec, pel, function(x) round(c(n = length(x), Me = median(x), Q1 = quantile(x, .25)[[1]],
  Q3 = quantile(x, .75)[[1]], M = mean(x), SD = sd(x)), 2))
wilcox.test(FTND ~ plec, data = pel, exact = FALSE)
rank_biserial(FTND ~ plec, data = pel)

cztery_kat   dwie_kat 
      TRUE       TRUE 
braki
  0   1   2 
316   3   1 
[1] 316
       n    M   SD Me   Q1 Q3 min max skosnosc proc_min proc_max
FTND 316 3.26 2.33  3 1.75  5   0  10     0.52    12.97     0.95
HSI  316 2.10 1.59  2 1.00  3   0   6     0.41    19.30     1.90
FTND
 0  1  2  3  4  5  6  7  8 10 
41 38 56 45 49 35 16 17 16  3 
  p1   p2   p3   p4   p5   p6 
1.23 0.27 0.40 0.87 0.20 0.28 
 alfa    lo    hi 
0.628 0.561 0.688 
   r.drop
p1   0.53
p2   0.35
p3   0.21
p4   0.49
p5   0.36
p6   0.35
 chisq.scaled     df.scaled pvalue.scaled    cfi.robust  rmsea.robust          srmr 
        9.637         9.000         0.381         0.996         0.016         0.033 
omega 
0.692 
  p1   p2   p3   p4   p5   p6 
0.70 0.42 0.25 0.62 0.46 0.43 
 rho_HSI rho_lata 
    0.92     0.52 

	Spearman's rank correlation rho

data:  pel$FTND and pel$lata_palenia
S = 2509792, p-value < 2.2e-16
alternative hypothesis: true rho is not equal to 0
sample estimates:
      rho 
0.5227652 

       plec FTND.n FTND.Me FTND.Q1 FTND.Q3 FTND.M FTND.SD
1   kobieta 167.00    3.00    1.00    5.00   3.04    2.33
2 mężczyzna 149.00    3.00    2.00    5.00   3.50    2.32

	Wilcoxon rank sum test with continuity correction

data:  FTND by plec
W = 10950, p-value = 0.06359
alternative hypothesis: true location shift is not equal to 0

r (rank biserial) |        95% CI
---------------------------------
-0.12             | [-0.24, 0.01]

Najczęstsze błędy przy FTND

• Sumowanie numerów odpowiedzi zamiast punktów. Pozycje mają różną liczbę kategorii, więc suma numerów 1, 2, 3… nie jest wynikiem FTND.
• Odwrócony kierunek pozycji 1. Krótszy czas do pierwszego papierosa oznacza cięższe palenie. Sprawdź kierunek w danych, np. korelacją pozycji 1 z liczbą papierosów.
• Klucz z przypadkowej strony. Punktację bierz z publikacji i podaj jej źródło w pracy.
• „Odsetek osób uzależnionych”. Kategorie z internetu nie są rozpoznaniem, a ich źródła często nie da się ustalić.
• Usuwanie pozycji dla podniesienia alfy. Skrócony test to inne narzędzie i jego wyników nie porównasz z literaturą.
• FTND u osób niepalących. Test dotyczy osób palących papierosy. Osoby niepalące wyklucz z analizy wyniku, zamiast przypisywać im zero.

Pełną ścieżkę analizy narzędzia, od kodowania po rzetelność, porządkuje przewodnik po analizie kwestionariusza. Jeśli chcesz, żeby ktoś sprawdził liczenie wyników FTND w Twojej bazie, możesz skorzystać z konsultacji w ramach oferty analizy statystyczne dla studentów. Wyniki musisz jednak rozumieć i umieć obronić samodzielnie.

Najczęstsze pytania

Czy FTND i FTCD to ten sam test?

Tak. W 2012 roku Fagerström zaproponował zmianę nazwy Fagerström Test for Nicotine Dependence na Fagerström Test for Cigarette Dependence, bo nikotyna nie jest jedynym czynnikiem uzależnienia od papierosów. Pozycje i sposób liczenia się nie zmieniły, więc przy pierwszym użyciu podaj obie nazwy.

Dlaczego alfa testu Fagerströma wychodzi poniżej .70?

Test ma tylko sześć pozycji o różnej liczbie kategorii, a pozycje dotyczą nieco różnych aspektów palenia. W przeglądzie 14 badań alfa wynosiła od .55 do .74. Podaj ją razem z omegą, skomentuj w dyskusji i nie usuwaj pozycji, bo powstałoby inne narzędzie.

Czym jest HSI i kiedy wystarczy zamiast pełnego FTND?

HSI (Heaviness of Smoking Index) to suma punktów dwóch pozycji FTND: o czasie do pierwszego papierosa i o liczbie papierosów dziennie. W badaniach Kozlowskiego i in. (1994) przewidywał rzucenie palenia tak samo dobrze jak pełny test. Przydaje się w krótkiej ankiecie, ale nie zastąpi FTND, jeśli hipoteza dotyczy całego testu.

Czy z wyniku FTND można podać odsetek osób uzależnionych?

Nie. FTND mierzy nasilenie uzależnienia, a nie stawia rozpoznania. Popularne kategorie od bardzo niskiego do bardzo wysokiego uzależnienia nie mają jasnego źródła w publikacji oryginalnej. Jeśli musisz je zastosować, cytuj źródło, które przeczytałeś (przeczytałaś), i nazywaj je kategoriami wyniku testu.

Czy FTND nadaje się dla osób używających e-papierosów albo tytoniu bezdymnego?

Test powstał dla osób palących papierosy, a nowa nazwa FTCD podkreśla właśnie papierosy. Dla tytoniu bezdymnego opracowano osobne modyfikacje testu. Jeśli w badaniu są użytkownicy innych wyrobów, nie licz im FTND, tylko użyj narzędzia sprawdzonego dla danego wyrobu.

Powiązane hasła

Przeczytaj też

@article{fagerstrom2012determinants, author={Fagerstr{\"o}m, Karl}, title={{Determinants of tobacco use and renaming the FTND to the Fagerström Test for Cigarette Dependence}}, journal={Nicotine \& Tobacco Research}, year={2012}, volume={14}, number={1}, pages={75--78}, doi={10.1093/ntr/ntr137}}

@article{heatherton1991fagerstrom, author={Heatherton, Todd F. and Kozlowski, Lynn T. and Frecker, Richard C. and Fagerstr{\"o}m, Karl-Olov}, title={{The Fagerström Test for Nicotine Dependence: A revision of the Fagerström Tolerance Questionnaire}}, journal={British Journal of Addiction}, year={1991}, volume={86}, number={9}, pages={1119--1127}, doi={10.1111/j.1360-0443.1991.tb01879.x}}

@article{heatherton1989measuring, author={Heatherton, Todd F. and Kozlowski, Lynn T. and Frecker, Richard C. and Rickert, William and Robinson, Jack}, title={{Measuring the heaviness of smoking: Using self-reported time to the first cigarette of the day and number of cigarettes smoked per day}}, journal={British Journal of Addiction}, year={1989}, volume={84}, number={7}, pages={791--800}, doi={10.1111/j.1360-0443.1989.tb03059.x}}

@article{kozlowski1994predicting, author={Kozlowski, Lynn T. and Porter, Carol Q. and Orleans, C. Tracy and Pope, Marilyn A. and Heatherton, Todd}, title={{Predicting smoking cessation with self-reported measures of nicotine dependence: FTQ, FTND, and HSI}}, journal={Drug and Alcohol Dependence}, year={1994}, volume={34}, number={3}, pages={211--216}, doi={10.1016/0376-8716(94)90158-9}}

@article{mcneish2018thanks, author={McNeish, Daniel}, title={{Thanks coefficient alpha, we’ll take it from here}}, journal={Psychological Methods}, year={2018}, volume={23}, number={3}, pages={412--433}, doi={10.1037/met0000144}}

@article{menesesgaya2009psychometric, author={Meneses-Gaya, Izilda Carolina de and Zuardi, Antonio Waldo and Loureiro, Sonia Regina and Crippa, Jos{\'e} Alexandre de Souza}, title={{Psychometric properties of the Fagerström Test for Nicotine Dependence}}, journal={Jornal Brasileiro de Pneumologia}, year={2009}, volume={35}, number={1}, pages={73--82}, doi={10.1590/s1806-37132009000100011}}