Nociones eróticas sobre el destino: "EL arco iris de la gravedad"
Notice bibliographique
Résumé
Cannabis and tobacco are common drugs of abuse worldwide and are often used in combination through various routes of administration (ROAs). Here, we aimed to provide an overview of how cannabis and tobacco routes varied across countries and assess the impact of tobacco-based ROAs on motivation to use less cannabis, and less tobacco, in different models. A cross-sectional online survey (Global Drugs Survey 2014) was completed by 33,687 respondents (mean age = 27.9; % female = 25.9) who smoked cannabis at least once in the last 12 months. Most common ROA, frequency of cannabis/tobacco use, and questions about motivation to use less cannabis/tobacco were recorded. Tobacco-based ROA were used by 65.6% of respondents. These were most common in Europe (77.2-90.9%) and Australasia (20.7-51.6%) and uncommon in the Americas (4.4-16.0%). Vaporizer use was most common in Canada (13.2%) and the United States (11.2%). Using a non-tobacco ROA was associated with a 10.7% increase in odds for "desire to use less" tobacco (OR: 1.107, 95% CI: 1.003, 1.221), 80.6% increase in odds for "like help to use less tobacco" (OR: 1.806, 95% CI: 1.556, 2.095), and a 103.9% increase in the odds for "planning to seek help to use less tobacco" (OR: 2.039, 95% CI: 1.638, 2.539), in comparison to using a tobacco-based ROA. Associations between ROA and intentions to use less cannabis were inconsistent. Results support considerable global variation in cannabis and tobacco ROA. Tobacco routes are common, especially "joints with tobacco," especially in Europe, but not in the Americas. Non-tobacco-based routes are associated with increased motivation to change tobacco use. Interventions addressing tobacco and cannabis need to accommodate this finding and encourage non-tobacco routes.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 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) | 0,004 | 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 ».