Non-medical prescription stimulant use to improve academic performance among Australian university students: prevalence and correlates of use
Notice bibliographique
Résumé
BACKGROUND: Some university students consume pharmaceutical stimulants without a medical prescription with the goal of improving their academic performance. The prevalence of this practice has been well documented in the US, but less so in other countries. The potential harms of using prescription stimulants require a better understanding of the prevalence of this practice within Australian universities. METHODS: An internet survey of 1136 Australian students was conducted in 2015 in three large Australian universities. Students were asked about their personal use of prescription stimulants, attitudes and experiences with prescription stimulants. They were also asked about their use of caffeine, energy drinks and illicit drugs to enhance their academic performance. RESULTS: Lifetime self-reported use of stimulant medication to improve academic performance was 6.5, and 4.4% in the past year. Students were far more likely to report using coffee and energy drinks (41.4 and 23.6% respectively, lifetime use) than prescription stimulants to help them study and complete university assessments. Non-medical use of prescription stimulants was strongly associated with a history of illicit drug use. CONCLUSION: The prevalence of nonmedical prescription stimulant use to improve academic performance is low among university students in Australia, especially when compared with their use of coffee and energy drinks.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».