Substance use preferences and sexually transmitted infections among Canadian post-secondary students
Notice bibliographique
Résumé
Background: In Canada, substance use is one of the key predisposing factors that may lead to risky sexual behaviors among post-secondary students. There is considerable economic burden and significant public health concern posed by substance use and sexually transmitted infections (STIs). The purpose of this study was to examine the prevalence of substance use preferences (alcohol, cannabis, and other drugs) and its association with STIs among Canadian post-secondary students. Materials and methods: This is a cross-sectional study using data from the National College Health Assessment II, Spring 2016 survey conducted by the American College Health Association. There were 31,642 sexually active participants, representing 41 post-secondary institutions in Canada. Descriptive analysis and logistic regression were conducted to estimate the effect of substance use preferences on STIs. Results: This study found that participants reported being current users of alcohol (80%), cannabis (23%), and other drugs (8%). Additionally, 3.96% of the participants self-reported being diagnosed or treated for an STI in the last 12 months. Multivariate logistic analysis revealed current cannabis use to be significantly associated with self-reported STIs (aOR, 1.34; 95% CI, 1.12–1.6). There was a significant association between current drug use and STIs among male (aOR, 3.04; 95% CI, 2.27–4.06) and female participants (aOR, 1.87; 95% CI, 1.52–2.30). Having multiple sexual partners, a history of sexual assault, being homosexual, Black, and >21 years old were also found to have a significant association with self-reported STIs ( P -value <0.001). Conclusion: In this study, significant associations were found between cannabis and other drug use and STIs among post-secondary students in Canada. The results of this study can help inform institutions of higher learning and public health professionals in the design, implementation, and evaluation of substance use and STI policies and effective school-based health programming. Keywords: substance use, alcohol use, cannabis use, drug use, sexually transmitted infections, post-secondary students
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 | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».