Drug use and its association with deviant behaviour among rural adolescent students in South Africa
Notice bibliographique
Résumé
OBJECTIVE: To examine prevalence of drug use in adolescent students in a rural South African community, and to measure the association between drug taking and deviant behaviour. DESIGN: Cross-sectional survey using self-administered questionnaires. SETTING: Seven middle and secondary schools in Moretele District, Mpumalanga Province, South Africa. SUBJECTS: A random sample of 357 rural students comprising 193 (54.1%) females and 164 (45.9%) males, aged 11.7 to 19.9 years (mean age = 15.8; SD = 21.99). MAIN OUTCOME MEASURES: Self-reported use of drugs. The prevalence of bullying, absenteeism and weapon-carrying among respondents who had used substances was determined. RESULTS: Responses were obtained from 357 Grade 7-12 students. Alcohol was the most commonly used drug by the respondents. Reported lifetime prevalence of alcohol use was 47.9% (95% CI: 42.6-53.2%); tobacco, 18.2% (95% CI: 14.4-22.7%), inhalants, 5.9% (95% CI: 3.8-9.0%); cannabis 5.6% (95% CI: 3.5-8.7%). Reported use of mandrax (3.9%), tranquillizer (3.6%) and cocaine (1.4%) was low. Multivariate logistic regression analysis showed that being male (adjusted odds ratio [AOR] = 2.21; 95% confidence interval [CI]: 1.33-3.36; p = 0.002), initiating alcohol use before the age of 13 years (AOR: 2.25; 95% CI: 1.15-4.40; p = 0.018) and alcohol use were associated with absenteeism. Alcohol use, irrespective of the duration and being a male (AOR: 3.51; 95% CI: 1.50-8.20) was associated with bullying. The significant factors associated with weapon carrying were alcohol, male sex and initiating alcohol use before 13 years of age. CONCLUSION: Drug use, particularly alcohol is common among adolescent students, especially males. There is also a positive association between drug use and undertaking precarious behaviour.
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 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».