MétaCan
Menu
Retour à la cohorte
Enregistrement W1943384793 · doi:10.1024/0939-5911.a000380

The Swiss Cohort Study on Substance Use Risk Factors – Findings of two Waves

2015· article· en· W1943384793 sur OpenAlexaff
Gerhard Gmel, Christina Akré, Mariana Astudillo, Caroline Bähler, Stéphanie Baggio, Nicolas Bertholet, Carole Clair, Jacques Cornuz, Jean‐Bernard Daeppen, Stéphane Deline, Petra Dermota, Michelle Dey, Marc Dupuis, Natalia Estévez, Simon Foster, Jacques Gaume, Severin Haug, Yves Henchoz, Hervé Kuendig, Meichun Mohler‐Kuo, Alexandra N’Goran, Michael P Schaub, Joseph Studer, Joan-Carles Surı́s, Jen Wang

Notice bibliographique

RevueSUCHT - Zeitschrift für Wissenschaft und Praxis / Journal of Addiction Research and Practice · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensCentre for Addiction and Mental Health
Organismes subventionnairesChina Scholarship CouncilSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungNational Science Foundation
Mots-clésPeer pressureEcstasyCannabisMedicinePsychiatryProtective factorCohortYoung adultSubstance abuseCohort studyPoison controlEnvironmental healthPsychologyGerontologySocial psychology

Résumé

récupéré en direct d'OpenAlex

Abstract. Aim: To summarize published findings in peer-reviewed journals of the first two waves of the Swiss Cohort Study on Substance Use Risk Factors (C-SURF), a longitudinal study assessing risk and protective factors of 5,987 young men during the phase of emerging adulthood (20 years at baseline, followed-up 15 months later). Methods: Included were 33 studies published until November 2014 focusing on substance use. Results: Substance use in early adulthood is a prevalent and stable behavior. The 12-month prevalence of nonmedical use of prescription drugs (10.6 %) lies between that of cannabis (36.4 %) and other illicit drugs such as ecstasy (3.7 %) and cocaine (3.2 %). Although peer pressure in the form of misconduct is associated with increased substance use, other aspects such as peer involvement in social activities may have beneficial effects. Regular sport activities are associated with reduced substance use, with the exception of alcohol use. Young men are susceptible to structural conditions such as the price of alcohol beverages or the density of on-premise alcohol outlets. Particularly alcohol use in public settings such as bars, discos or in parks (compared with private settings such as the home) is associated with alcohol-related harm, including injuries or violence. Being a single parent versus nuclear family has no effect on alcohol use, but active parenting does. Besides parenting, religiousness is an important protective factor for both legal and illegal substance use. Merely informing young men about the risks of substance use may not be an effective preventive measure. At-risk users of licit and illicit substances are more health literate, e. g., for example, they seek out more information on the internet than non-at-risk-users or abstainers. Discussion: There are a number of risk and protective substance use factors, but their associations with substance use do not necessarily agree with those found outside Europe. In the United States, for example, heavy alcohol use in this age group commonly takes place in private settings, whereas in Switzerland it more often takes place in public settings. Other behaviors, such as the nonmedical use of prescription drugs, appear to be similar to those found overseas, which may show the need for targeted preventive actions. C-SURF findings point to the necessity of establishing European studies to identify factors for designing specific preventive actions.

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)0,009
score de la tête « metaresearch » (Gemma)0,014
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,112
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,107
Tête enseignante GPT0,433
Écart entre enseignants0,326 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

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

Citations55
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSUCHT - Zeitschrift für Wissenschaft und Praxis / Journal of Addiction Research and PracticeMême sujetSubstance Abuse Treatment and OutcomesTravaux en français237 207