Do Classes of Polysubstance Use in Adolescence Differentiate Growth in Substances Used in the Transition to Young Adulthood?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Past studies have differentiated classes of polysubstance use in adolescence, however, the associations of adolescent polysubstance use classes with longitudinal substance use trajectories from adolescence to young adulthood have not been studied. OBJECTIVE: The current study examined substance use classes during adolescence and longitudinal trajectories of each substance used across the transition to young adulthood. METHOD: Data were collected biennially from 662 youth and followed 10 years across six measurement assessments. Using baseline data (T1), latent class analysis was used to identify classes of polysubstance use (cigarette, alcohol, marijuana, and illicit drug use) during adolescence. Using T2 through T6 data, we fit latent growth models for cigarette, alcohol, marijuana, and illicit drug use to examine longitudinal trajectories of each substance used by class. RESULTS: A three-class model fit the data best and included a poly-use class, that had high probabilities of use among all substances, a co-use class, that had high probabilities of use among alcohol and marijuana, and a low-use class that had low probabilities of use among all substances. We then examined trajectories of each substance used by class. Strong continuity of substance use was found by class across 14 years. Additionally, for some substances, higher average levels of use of at age 14 were associated with change in growth of other substances used over time. Conclusions/Importance: Efforts that only target a single drug type may be missing an important opportunity to reduce the use and subsequent consequences related to the use of multiple 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.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 découle