Frequent marijuana use and driving risk behaviours in Canadian youth
Notice bibliographique
Résumé
BACKGROUND: A better understanding of the relations between patterns of marijuana use and driving risks in young adulthood is needed. METHODS: Secondary analyses of self-report data from the Victoria Healthy Youth Survey. Youth (baseline ages 12 to 18; N=662; 52% females) were interviewed biannually (on six occasions) from 2003 to 2013 and classified as abstainers (i.e., used no marijuana in past 12 months), occasional users (i.e., used at most once per week), and frequent users (i.e., used more than once a week). RESULTS: In the frequent user group, 80% of males and 75% of females reported 'being in a car driven by driver (including themselves) using marijuana or other drugs in the last 30 days', 64% of males and 33% of females reported that they were 'intoxicated' with marijuana while operating a vehicle and 50% of males and 42% of females reported being in a car driven by a driver using alcohol. In addition, 28% of occasional users and also a small proportion of abstainers reported 'being in a car driven by a driver using marijuana or other drugs in the last 30 days'. INTERPRETATION: The high frequency of driving risk behaviours, particularly for frequent users, suggest that plans for legalization of recreational use should anticipate the costs of preventive education efforts that present an accurate picture of potential risks for driving. Youth also need to understand risks for dependence, and screening for and treatment of marijuana use disorders is needed.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».