Examining co-patterns of depression and alcohol misuse in emerging adults following university graduation
Notice bibliographique
Résumé
Depression and alcohol use disorders are highly comorbid. Typically, alcohol use peaks in emerging adulthood (e.g., during university), and many people also develop depression at this time. Self-medication theory predicts that depressed emerging adults drink to reduce negative emotions. While research shows that depression predicts alcohol use and related problems in undergraduates, far less is known about the continuity of this association after university. Most emerging adults “mature out” of heavy drinking; however, some do not and go on to develop an alcohol use disorder. Depressed emerging adults may continue to drink heavily to cope with the stressful (e.g., remaining unemployed) transition out of university. Accordingly, using parallel process latent class growth modelling, we aimed to distinguish high- from low-risk groups of individuals based on joint patterns of depression and alcohol misuse following university graduation. Participants (N = 123) completed self-reports at three-month intervals for the year post-graduation. Results supported four classes: class 1: low stable depression and low decreasing alcohol misuse (n = 52), class 2: moderate stable depression and moderate stable alcohol misuse (n = 35), class 3: high stable depression and low stable alcohol misuse (n = 29), and class 4: high stable depression and high stable alcohol misuse (n = 8). Our findings show that the co-development of depression and alcohol misuse after university is not uniform. Most emerging adults in our sample continued to struggle with significant depressive symptoms after university, though only two classes continued to drink at moderate (class 2) and high (class 4) risk levels.
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 ».