Predictors of Alcohol and Drug Dependence
Notice bibliographique
Résumé
OBJECTIVE: Our study sought to identify sociodemographic, clinical, life perception, and service use characteristics that distinguish new cases of people dependent on substances from the general population; and to determine predictors of substance dependence over a 2-year period. Variables that differentiate people dependent on substances according to sex and age were also assessed. METHODS: Among 2434 people who took part in an epidemiologic catchment area health survey at baseline, 2.2% were identified with substance dependence at the second measurement time only. Using a comprehensive framework, various aspects were considered as predictors for multivariate statistics. RESULTS: Participants with substance dependence at time 2 only showed worse clinical conditions, life events, life and health perception, and neighbourhood characteristics than other participants, but only 2.5% used health care services. Male sex, younger age, stigmatization, and impulsiveness were predictors of substance dependence. Regarding sex, females with dependence were only more likely to suffer from social phobia than males. In terms of age categories, participants over 50 with substance dependence were more likely to have a lower household income and less social support than younger people. CONCLUSION: Stigmatization was the strongest predictor of substance dependence. Our study also confirmed that males and younger people were more likely to have substance dependence. Anti-stigmatization, prevention, and outreach programs are needed to overcome the reluctance of this clientele to use health care services. Health professionals should also pay more attention to life and health perception and neighbourhood characteristics of newly identified drug users.
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 ».