A brief description of an early alcohol use intervention for first nations adolescents.
Notice bibliographique
Résumé
AbstractThis article briefly outlines a program of research aimed at creating culturally and contextually relevant alcohol use early interventions for First Nations adolescents. We created a collaborative relationship with communities aimed at adapting established intervention approaches for use with First Nations adolescents. Employing a 4-stage method (see Mushquash, Comeau, McLeod, and Stewart, 2010), we tested Cooper's (1994) motivational model of alcohol use (see Mushquash, Stewart, Comeau, & McGrath, 2008), personality-motive relationships (see Mushquash, Stewart, Mushquash, Comeau, & McGrath, 2013), and delivered a tailored, matched intervention (see Mushquash, Comeau, & Stewart, 2007). We found that this approach resulted in reductions in frequency of drinking, heavy episodic (i.e., binge) drinking, and negative alcohol-related consequences. This approach is one way in which researchers might collaborate with First Nation communities to develop interventions to address community-based priorities.Keywords: First Nation, brief intervention, personality, alcohol use motivesResumeCet article presente sommairement un programme de recherche dont l'objectif est d'etablir des interventions pour enrayer la consommation precoce d'alcool, qui sont adaptees a la culture et au contexte des adolescents des Premieres Nations. Les auteurs ont etabli une relation de collaboration avec les communautes afin d'adapter des approches d'intervention existantes destinees aux adolescents de Premieres Nations. Ils ont utilise une methode en quatre temps (voir Mushquash, Comeau, McLeod & Stewart, 2010) pour tester le modele motivationnel de consommation d'alcool de Cooper (1994; voir Mushquash, Stewart, Comeau & McGrath, 2008) et les relations personnalite - motivation ( voir Mushquash, Stewart, Mushquash, Comeau & McGrath, 2013), pour ensuite concevoir des interventions sur mesure correspondantes (voir Mushquash, Comeau & Stewart, 2007). Selon les auteurs, cette approche a permis de reduire la frequence de la consommation, des beuveries express et des consequences negatives associees a l'alcool. Elle constitue une facon dont les chercheurs pourraient collaborer avec les communautes des Premieres Nations en vue d'etablir des interventions qui correspondent aux priorites de ces dernieres.Mots-cles : Premiere Nation, breve intervention, personnalite, con- sommation d'alcool, motifs.Research suggests there are high levels of mental health problems (Kirmayer, Brass, & Tait, 2000) and substance use (Chansonneuve, 2007) among Aboriginal peoples in Canada. Our understandings of mental health and substance use among First Nations people must recognise diversity and resist pressures to conceptualise all First Nations people as a homogenous group. While many First Nations may share similar histories (e.g., colo- nialism) and current contexts (e.g., poverty), recognising and hon- ouring diversity is of great importance. To understand mental health and substance use among First Nations peoples, mixed- methods approaches that are collaborative and emphasise respect for community-based knowledge and the importance of relation- ships are needed.Throughout this research, it was my goal to identify promising theoretical models on which to build early intervention frame- works for First Nations peoples using a four-stage method de- scribed in Mushquash et al. (2010), which emphasizes collabora- tive knowledge sharing and respect for community-based understandings. However, before applying models to guide inter- vention development, it is important to evaluate whether the pro- posed models are appropriate to use with First Nations peoples. In order to illustrate this approach, I will describe an example of how we implemented our four-stage method through the design and delivery of an alcohol use early intervention for First Nation adolescents. I will then describe how this approach may contribute to improvements in policy, practice, and research. …
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,067 | 0,012 |
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 ».