A cross-sectional examination of medicinal substance abuse and use of nonmedicinal substances among Canadian youth: findings from the 2012-2013 Youth Smoking Survey
Notice bibliographique
Résumé
BACKGROUND: Medicinal substance abuse is prevalent in Canada; however, little is known about patterns of abuse among young people. In this study, we sought to characterize the abuse of medicinal substances, such as prescription medications and selected over-the-counter substances, as well as that of licit and illicit nonmedicinal substances, using a nationally representative sample of young people. METHODS: Cross-sectional, nationally representative data for children in grades 7-12 were obtained from Health Canada's 2012-2013 Youth Smoking Survey (n = 38 667). Multinomial regression analyses were conducted to examine subgroup differences in medicinal substance abuse and comorbid abuse of both medicinal and nonmedicinal substances. RESULTS: About 5% of youth reported abusing medicinal substances in the previous year. Dextromethorphan, a substance found in many cough and cold syrups, was the most widely abused (2.9%), followed by pain medications (2.6%), sleeping medications (1.8%), stimulants (1.7%) and sedatives (1.0%). Abuse of nonmedicinal substances aside from tobacco and alcohol was reported by 21.3% of the population, and abuse of any substances was detected in 23.0% of the surveyed population. Girls at each grade level reported higher rates of abuse of medicinal substances than boys. Regional differences were seen with regard to the types of substances abused across Canada. INTERPRETATION: A substantial minority of Canadian youth report abusing medicinal substances, including over-the-counter medications (e.g., cough syrup) and prescriptions medications (e.g., pain medication). In contrast to nonmedicinal substances, girls were more likely than boys to report abuse of medicinal substances.
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 | 0,003 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».