Bidirectional Relationship between the Body Mass Index and Substance Use in Young Men
Notice bibliographique
Résumé
BACKGROUND: Obesity and substance use are major concern in young people. This study explored the bidirectional longitudinal relationships between the body mass index (BMI) of young men and their use of (1) 4 classes of nonmedical prescription drugs; (2) alcohol; (3) tobacco; and (4) cannabis. METHODS: Baseline and follow-up data from the Cohort Study on Substance Use Risk Factors were used (N = 5007). A cross-lagged panel model, complemented by probit models as sensitivity analysis, was run to determine the bidirectional relationships between BMI and substance use. Alcohol was assessed using risky single-occasion drinking (RSOD); tobacco, using daily smoking; and cannabis, using hazardous cannabis use (defined as twice-weekly or more cannabis use). Nonmedical prescription drugs use (NMPDU) included opioid analgesics, sedatives/sleeping pills, anxiolytics, and stimulants. RESULTS: Different associations were found between BMI and substance use. Only RSOD (β = -.053, P = .005) and NMPDU of anxiolytics (β = .040, P = .020) at baseline significantly predicted BMI at follow-up. Baseline RSOD predicted a lower BMI at follow-up, whereas baseline NMPDU of anxiolytics predicted higher BMI at follow-up. Furthermore, BMI at baseline significantly predicted daily smoking (β = .050, P = .007) and hazardous cannabis use (β = .058, P = .030). CONCLUSIONS: These results suggest different associations between BMI and the use of various substances by young men. However, only RSOD and NMPDU of anxiolytics predicted BMI, whereas BMI predicted daily smoking and hazardous cannabis use.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».