Subjective Experiences and Meaning Associated with Drug Use and Addiction in Nigeria: A Mixed Method Approach
Notice bibliographique
Résumé
PURPOSE: Nigeria is experiencing increased rate of drug use among young people. Studies have shown a very high rate of drug use and addiction among university undergraduates and this study was aimed at examining the experiences and meanings associated with drug abuse and addiction among university students while also identifying the causative factors of the use of psychoactive substances.METHODS: The study which is a mixed method made use of an adapted and validated version of the drug abuse screening test (DAST-10) scale to measure drug use and emotional intelligence questionnaire was used to measure an aspect of psychosocial functioning and interviews were used to explore the subjective experiences of six participants. Both the purposive and snowballing sampling techniques were employed. The quantitative data generated were coded and entered into the statistical package for social sciences and results were presented using descriptive tables.RESULTS: The results showed no significant relationship and a negative correlation between drug abuse and emotional intelligence (r = -0.229, p> 0.05). The qualitative data was transcribed and coded using thematic coding where themes are extracted from each transcript. The most commonly used substances were codeine (85%), alcohol (75%), cannabis (70%), tramadol (65%), rohypnol (65%), and tobacco (50%). Qualitative data shows that the participants exercised some sort of willpower over the use of psychoactive substances and the major reason for use was to seek a new experience.CONCLUSION: This study brought to the fore the evidence that personal meanings and experiences come into play in taking decisions on drinking or substance use and this should be considered when interventions are planned.
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 | 0,007 | 0,002 |
| 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 | 0,002 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 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 ».