Prevalence of Cannabis Lifetime Use in Iranian High School and College Students
Notice bibliographique
Résumé
Cannabis is the most widely used substance in the world. This study aimed to estimate the prevalence of cannabis lifetime use (CLU) in high school and college students of Iran and also to determine factors related to changes in prevalence. A systematic review of literature on cannabis use in Iran was conducted according to MOOSE guideline. Domestic scientific databases, PubMed/Medline, ISI Web of Knowledge, and Google Scholar, relevant reference lists, and relevant journals were searched up to April, 2014. Prevalences were calculated using the variance stabilizing double arcsine transformation and confidence intervals (CIs) estimated using the Wilson method. Heterogeneity was assessed by Cochran's Q statistic and I(2) index and causes of heterogeneity were evaluated using meta-regression model. In electronic database search, 4,000 citations were retrieved, producing a total of 33 studies. CLU was reported with a random effects pooled prevalence of 4.0% (95% CI = 3.0% to 5.0%). In subgroups of high school and college students, prevalences were 5.0% (95% CI = 3.0% to -7.0%) and 2.0% (95% CI = 2.0% to -3.0%), respectively. Meta-regression model indicated that prevalence is higher in college students (β = 0.089, p < .001), male gender (β = 0.017, p < .001), and is lower in studies with sampling versus census studies (β = -0.096, p < .001). This study reported that prevalence of CLU in Iranian students are lower than industrialized countries. In addition, gender, level of education, and methods of sampling are highly associated with changes in the prevalence of CLU across provinces.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».