Prevalence of psychoactive substance use among youth in Rwanda
Notice bibliographique
Résumé
BACKGROUND: Substance use among youth is a significant public health concern worldwide. However, little is known in Rwanda about the prevalence of drug use among youth. The goal of the current study was to assess the prevalence and determinants of substance use among youth in Rwanda. METHODS: A cross-sectional home survey was carried out with 2479 Rwandan youth. Youth ranging, in age from 14-35 years, were randomly selected from 20 out of the 30 districts in the country. The youth were interviewed using a questionnaire that included socio-demographic information and self-reported substance use. Misuse and dependence on alcohol, marijuana and tobacco were respectively assessed by the Alcohol Use Disorders Identification Test (AUDIT), the Cannabis Abuse Screening Test (CAST), and the Hooked on Nicotine Checklist (HONC). RESULTS: Overall, the prevalence rate of substance use over the month prior to the survey was 34% for alcohol, 8.5% for tobacco smoking, 2.7% for cannabis, 0.2% for glue and 0.1% for drugs such as diazepam. 7.46% (one in thirteen) of the youth were alcohol dependent, 4.88% (one in twenty) were nicotine dependent, and 2.54% (one in forty) dependent on cannabis. CONCLUSIONS: Our findings demonstrate that tobacco, alcohol, marijuana and other substance use are realities in the daily lives of youth in Rwanda. Further research is needed to monitor the evolution of this phenomenon and its determinants and in order to initiate evidenced-based interventions.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».