Attention-deficit hyperactivity disorder and addictions (substance and behavioral): Prevalence and characteristics in a multicenter study in France
Notice bibliographique
Résumé
AIM: The aim of this study is to determine the possible links between attention-deficit hyperactivity disorder (ADHD) and the presence of concomitant addictions with or without substance use in a French student population. MEASURES: A battery of questionnaire measuring socioeconomic characteristics, university curriculum, ADHD (Wender Utah Rating Scale and Adult ADHD Self-Report Scale), substance consumptions (alcohol, tobacco, and cannabis), and behavioral addictions [(eating disorders (SCOFF)], Internet addiction (Internet Addiction Test), food addiction (Yale Food Addiction Scale), compulsive buying (Echeburua's), and problem gambling (The Canadian Problem Gambling Index)] and measures of physical activity (Godin's Leisure Time Exercise Questionnaire) was filled up by university students in Rouen and Nanterre in France. RESULTS: A total of 1,517 students were included (472 from Paris Nanterre and 1,042 from Rouen). The mean age was 20.6 years (SD = 3.6) and the sex ratio male to female was 0.46. The prevalence of ADHD among the students (current ADHD with a history of ADHD in childhood) was 5.6%. A quarter (25.7%) of students had already repeated their university curriculum, compared to 42.2% among the students with ADHD. Students with possible ADHD had repeated classes more often and believed to have a lower academic level than the students without ADHD. Significant differences were found as students with ADHD were less likely to succeed in their studies (repeated classes more often) than non-ADHD students, and considered their academic level to be lower. They also had significantly higher scores on substance (alcohol, cannabis, and tobacco) as well as behavioral addictions (gambling, compulsive buying disorder, eating disorders, and Internet addiction). CONCLUSION: It seems essential to determine students' problems and propose interventions adapted to students' needs, in order to reduce the negative impact on their future academic and global successes.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».