Energy Drink Consumption and Substance Use among Middle and High School Students
Notice bibliographique
Résumé
This study examined the association between energy drink consumption and substance use among adolescents and tested whether sex and/or grade level (i.e., middle vs. high school) moderate the association. Data were derived from the 2017 Ontario Student Drug Use and Health Survey, a representative survey of students in 7th to 12th grade. Analyses included 10,662 students who self-reported information on energy drink consumption and substance use. Poisson regression models were used with adjustments for important covariates. Energy drink consumption was associated with tobacco cigarette smoking (incidence rate ratio (IRR): 3.74; 95% confidence interval (CI): 3.22–4.35), cannabis use (IRR: 2.90; 95% CI: 2.53–3.32), binge drinking (IRR: 2.46; 95% CI: 2.05–2.96), opioid use (IRR: 2.23; 95% CI: 1.85–2.68), and alcohol use (IRR: 1.31; 95% CI: 1.26–1.36). The associations of energy drink consumption with tobacco cigarette smoking, cannabis use, and alcohol consumption were modified by grade level (two-way interaction terms p < 0.05). The association between energy drink consumption and substance use was generally much stronger among middle school students compared with high school students. The findings suggest that middle school students may be more vulnerable to the negative effects of energy drinks in relation with substance use.
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 | 0,001 |
| 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 ».