Examining Factors in the Research Institute on Addictions Self-Inventory (RIASI): Associations with Alcohol Use and Problems at Assessment and Follow-Up
Notice bibliographique
Résumé
Impaired driving is a leading cause of alcohol-related deaths and injuries. Rehabilitation or remedial programs, involving assessment and screening of convicted impaired drivers to determine problem severity and appropriate programs, are an important component of society's response to this problem. Ontario's remedial program, Back on Track (BOT), involves an assessment process that includes administration of the Research Institute on Addictions Self-Inventory (RIASI) to determine assignment to an education or treatment program. The purpose of this study is to identify factors within the RIASI and examine how factor scores are associated with alcohol use and problem indicators at assessment and six-month follow-up. The sample included 22,298 individuals who completed BOT from 2000 to 2005. Principal component factor analysis with varimax rotation was conducted on RIASI data and an eight factor solution was retained: (1) Negative Affect, (2) Sensation Seeking, (3) Alcohol-Quantity, (4) Social Conformity, (5) High Risk Lifestyle, (6) Alcohol Problems, (7) Interpersonal Competence, and (8) Family History. Regression analyses were conducted to examine associations between factors and alcohol and problem measures obtained at assessment and at follow-up. Most factors, except for Interpersonal Competence, were associated with more alcohol use and problems at assessment. A similar pattern was observed at 6-month follow-up, but interestingly some factors (Negative Affect, Sensation Seeking, Alcohol-Quantity and Family History) predicted fewer days of alcohol use. The Interpersonal Competence factor was associated with significantly lower levels of alcohol use and problems at both assessment and follow-up. This work suggests that the RIASI provides information on several domains that have important relationships with alcohol problem severity and outcomes.
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 | 0,005 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».