Examining the relation of personality factors to substance use disorder by explanatory item response modeling of DSM-5 symptoms
Notice bibliographique
Résumé
This paper explores how personality factors affect substance use disorders (SUDs) using explanatory item response modeling (EIRM). A total of 606 Chinese illicit drug users participated in our study. After removing the cases with missing values on the covariate measures, a final sample of 573 participants was used for data analysis. The Diagnostic and Statistical Manual of Mental Disorders (DSM-5) was used to measure the illicit drug users' SUD level. Four personality factors-anxiety sensitivity, impulsivity, sensation seeking and hopelessness-along with gender and alcohol use were included in EIRM as person covariates. The results indicated that gender, alcohol use, and their interaction significantly predicted the SUD level. The only personality factor that strongly predicted the SUD level was sensation seeking. In addition, the interaction between gender and hopelessness was also found to be a significant predictor of the SUD level, indicating that the negative effect of hopelessness on SUD is stronger for women than for men. The findings suggest that sensation seeking plays an important role in influencing SUDs, and thus, it should be considered when designing intervention or screening procedures for potential illicit drug users. In addition, several DSM-5 SUD symptoms were found to exhibit differential effects by gender, alcohol use, and personality factors. The possible explanations were discussed.
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 | 0,000 |
| 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 ».