Area Variations in the Prevalence of Substance Use and Gambling Behaviours and Problems in Quebec: A Multilevel Analysis
Notice bibliographique
Résumé
OBJECTIVES: This study aimed to examine whether variations among regions in Quebec existed after we controlled for individual characteristics in the prevalence of 1) alcohol, cannabis, and gambling behaviours and 2) substance-related disorders and pathological gambling. METHODS: Using data derived from the Canadian Community Health Survey: Mental Health and Well-Being (CCHS 1.2), we nested 5332 respondents from the province of Quebec within 374 regions equivalent to census subdivisions (CSDs). Outcome variables included 1) drinking status (past 12 months), alcohol consumption (last week), and 12-month diagnosis of alcohol dependence; 2) cannabis use (past 12 months and lifetime) and diagnosis of illicit drug dependence; and 3) gambling status, severity of gambling problems, and number of reported gambling activities (past 12 months). Multilevel regression models with individuals (Level 1) nested in regions (CSDs, Level 2) assessed the variations among regions in the prevalence of various outcomes and disorders when individual characteristics were controlled for. RESULTS: Variance component models revealed that all alcohol-related variables, the prevalence of cannabis use (12 months), and problem gambling did not vary among areas. Gambling rates and the average number of reported gambling activities varied among areas, even when individual-level variables were accounted for in the models, whereas for lifetime cannabis use, variations among areas became nonsignificant. CONCLUSION: Intervention programs may need to address the environment as a relevant determinant of health-related behaviours and lifestyles.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 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 ».