Cannabis use, addiction risk and functional impairment in youth seeking treatment for primary mood or anxiety concerns
Notice bibliographique
Résumé
Cannabis use is common in youth and there is evidence that the co-occurrence of cannabis use (and other substance use) with mental illnesses predicts poorer outcomes, including suicide. The main purposes of this study were to: (i) identify rates of cannabis use and substance use disorder risk, and (ii) predictors for cannabis use among youth seeking help for mood and/or anxiety concerns in a sample population prescreened to exclude primary substance use disorders; and (iii) to determine if there was an association between cannabis use and functional impairment in this sample. We investigated substance use risk as well as hypothesized predictors of cannabis use and functional impairment including demographic characteristics, socioeconomic status, trait coping style, age of onset of several risk behaviors, current use of common addictive substances, level of functional impairment, and current psychiatric symptom severity. Results showed that approximately half of the participants were at moderate to high risk for a substance use disorder, and just over 4% appeared to have a primary substance use disorder. They also suggested an association between cannabis use and gender (male), age of first cannabis use, recent cigarette use, and functional impairment. Independently, functional impairment was predicted by inattentive coping style, depression severity, and total cannabis use score. These results confirm a high risk for addictive disorders and an association between cannabis use and functional impairment in this sample. These results support the need for substance use treatment programs to optimize care wherever youth with primary mood and/or anxiety concerns are seen.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».