Can cannabis use be prevented by targeting personality risk in schools? Twenty‐four‐month outcome of the adventure trial on cannabis use: a cluster‐randomized controlled trial
Notice bibliographique
Résumé
AIMS: To examine the effectiveness of a personality-targeted intervention program (Adventure trial) delivered by trained teachers to high-risk (HR) high-school students on reducing marijuana use and frequency of use. DESIGN: A cluster-randomized controlled trial. SETTING: Secondary schools in London, UK. PARTICIPANTS: Twenty-one secondary schools were randomized to intervention (n = 12) or control (n = 9) conditions, encompassing a total of 1038 HR students in the ninth grade [mean (standard deviation) age = 13.7 (0.33) years]. INTERVENTIONS: Brief personality-targeted interventions to students with one of four HR profiles: anxiety sensitivity, hopelessness, impulsivity and sensation-seeking. PRIMARY OUTCOME: marijuana use. Secondary outcome: frequency of use. Assessed using the Reckless Behaviour Questionnaire at intervals of 6 months for 2 years. Personality risk was measured with the Substance Use Risk Profile Scale. FINDINGS: Logistic regression analysis revealed significant intervention effects on cannabis use rates at the 6-month follow-up in the intent-to-treat sample [odds ratio (OR) = 0.67, P = 0.05, 95% confidence interval (CI) = 0.45-1.0] and significant reductions in frequency of use at 12- and 18-month follow-up (β = -0.14, P ≤ 0.05, 95% CI = -0.6 to -0.01; β = -0.12, P ≤ 0.05, 95% CI = -0.54 to 0.0), but this was not supported in two-part latent growth models. Subgroup analyses (both logistic and two-part models) reveal that the sensation-seeking intervention delayed the onset of cannabis use among sensation seekers (OR = 0.25, β = -0.833, standard error = 0.342, P = 0.015). CONCLUSIONS: Personality-targeted interventions can be delivered effectively by trained school staff to delay marijuana use onset among a subset of high-risk teenagers: sensation-seekers.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».