Alcohol and drug problems: a multivariate behavioural genetic analysis of co-morbidity
Notice bibliographique
Résumé
Multivariate biometrical genetic analyses of self-report questionnaire items assessing problem alcohol and drug use were performed on data obtained from a sample of 438 volunteer twin pairs (236 monozygotic twin pairs, 247 dizygotic twin pairs). Additive genetic influences were moderate for all alcohol abuse items (21-46%), frequency of drug use (32%) and illicit drug use (32%). Prescribed drug use and debilitating drug use were largely environmentally determined (86% and 94%, respectively). The influence of environmental factors that influence all members of a family to the same degree (shared family environment) on each item was generally small (0-20%), whereas the influence of environmental factors unique to each family member (non-shared environment) comprised over half of the total variance on all items. Genetic factor analyses identified three uncorrelated common genetic factors. The first genetic factor appears to represent problems associated with alcohol and drug use, such as the inability to fulfil obligations at home, work or school. The second genetic factor is more specific to drug use and represents a general liability towards drug use, illicit or otherwise. The third genetic factor is specific to the alcohol use items only. The observed co-morbidity of alcohol and drug misuse can be attributed largely to a non-shared environmental factor common to both domains. Genetic co-morbidity appears to be limited to alcohol and substance misuse behaviours that interfere with normal daily functioning.
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 ».