Latent profiles of family background, personality and mental health factors and their association with behavioural addictions and substance use disorders in young Swiss men
Notice bibliographique
Résumé
BACKGROUND: Recent theories suggest that behavioural addictions and substance use disorders may be the result of the same underlying vulnerability. The present study investigates profiles of family background, personality and mental health factors and their associations with seven behavioural addictions (to the internet, gaming, smartphones, internet sex, gambling, exercise and work) and three substance use disorder scales (for alcohol, cannabis and tobacco). METHODS: The sample consisted of 5287 young Swiss men (mean age = 25.42) from the Cohort Study on Substance Use Risk Factors (C-SURF). A latent profile analysis was performed on family background, personality and mental health factors. The derived profiles were compared with regards to means and prevalence rates of the behavioural addiction and substance use disorder scales. RESULTS: Seven latent profiles were identified, ranging from profiles with a positive family background, favourable personality patterns and low values on mental health scales to profiles with a negative family background, unfavourable personality pattern and high values on mental health scales. Addiction scale means, corresponding prevalence rates and the number of concurrent addictions were highest in profiles with high values on mental health scales and a personality pattern dominated by neuroticism. Overall, behavioural addictions and substance use disorders showed similar patterns across latent profiles. CONCLUSION: Patterns of family background, personality and mental health factors were associated with different levels of vulnerability to addictions. Behavioural addictions and substance use disorders may thus be the result of the same underlying vulnerabilities.
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 ».