The Effect of Contextual Risk Factors on the Effectiveness of Brief Personality‐Targeted Interventions for Adolescent Alcohol Use and Misuse: A Cluster‐Randomized Trial
Notice bibliographique
Résumé
BACKGROUND: A range of school-based prevention programs has been developed and used to prevent, delay, or reduce alcohol use among adolescents. Most of these programs have been evaluated at the community-level impact. However, the effect of contextual risk factors has rarely been considered in the evaluation of these programs. The aim of this study was to investigate the potential moderating effects of 2 important contextual risk factors (i.e., socioeconomic status [SES] and peer victimization) on the effectiveness of the school-based personality-targeted interventions (Preventure program) in reducing adolescent alcohol use over a 2-year period using a cluster-randomized trial. METHODS: High-risk adolescents were identified using personality scores on the Substance Use Risk Profile Scale and randomized to intervention and control groups. Two 90-minute cognitive behavioral therapy-based group sessions targeted 1 of 4 personality risk profiles: Anxiety Sensitivity, Hopelessness, Impulsivity, or Sensation Seeking. Multilevel linear modeling of alcohol use, binge drinking, and drinking-related harm was conducted to assess the moderating effect of baseline peer victimization and SES. RESULTS: Results indicated that the Preventure program was equally beneficial to all adolescents, regardless of SES and victimization history, in terms of their alcohol outcomes and related harm. Receiving the intervention was additionally beneficial for adolescents reporting peer victimization regarding their alcohol-related harm compared to nonvictimized youth (β = -0.29, SE = 0.11, p = 0.014). CONCLUSIONS: Findings suggest that the content of personality-targeted interventions is beneficial for all high-risk youth regardless of their SES or experience of peer victimization. The current study suggests that using targeted approaches, such as targeting underlying personality risk factors, may be the most appropriate substance use prevention strategy for high-risk youth, as it is beneficial for all high-risk youth regardless of their contextual risk factors.
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 | 0,010 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».