Latent Classes of Substance Use in Adolescent Cannabis Users: Predictors and Subsequent Substance-Related Harm
Notice bibliographique
Résumé
Cannabis use is highly prevalent in late adolescence, but not all users experience significant negative consequences. Little information is available to identify the substance use patterns and risk factors of users who are at greater risk of experiencing negative consequences. In this prospective study, we aimed to empirically identify latent classes of substance use in adolescent cannabis users and to examine how these classes relate to antecedent psychosocial predictors and subsequent substance-related outcomes. The sample was recruited from 68 high schools in Quebec and consisted of 1618 participants who reported using cannabis in grade 10. We used latent class analysis to empirically identify classes of users based on the age of onset, frequency, and typical quantity of cannabis and other substance use, as well as substance mixing behaviors. We then compared classes in terms of (a) sociodemographic and psychosocial predictors in grades 7-8 and (b) substance-related consequences in grade 11. Four distinct classes were identified: Late-Light Users (28%); Late-Heavy + Polydrug Users (14%); Early-Moderate Users (33%); Early-Heavy + Polydrug Users (26%). Late-Light Users reported the lowest levels of substance use, while Early-Heavy + Polydrug Users reported the highest levels. Intermediate levels of substance use were found in the other two classes. Sex, age, delinquency, peer delinquency, school bonding, parental monitoring, and parental conflict all helped to differentiate classes. Class membership predicted substance-related harm, with greater consequences in early- and late-onset heavy using classes. In light of results, in addition to age and sex, screening and intervention for risky cannabis use among adolescents should focus on school bonding in order to target the most risky late-onset adolescents and on peer delinquency in order to target the most risky early-onset ones.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».