Characterizing motivations for cannabis use in a cohort of people who use illicit drugs: A latent class analysis
Notice bibliographique
Résumé
BACKGROUND: Cannabis use is common among marginalized people who use illicit drugs (PWUD) but reasons for use remain poorly investigated. We sought to explore how different intentions for cannabis use relate to social, structural, and behavioural factors among PWUD in Vancouver, Canada. METHODS: We used data from cannabis-using participants in two community-recruited prospective cohort studies of PWUD. Using latent class analysis, we identified discrete cannabis-using groups based on self-reported intentions for use. Generalized estimating equations were used to examine correlates of class membership. RESULTS: Between June 2016 and December 2018, 2,686 observations from 897 participants cannabis-using PWUD were analyzed. Four latent classes of cannabis use emerged: Class 1 (31.6%), characterized by non-medical purposes; Class 2 (37.5%), characterized by non-pain therapeutic use (e.g., stress, nausea/loss of appetite, and insomnia); characterized by Class 3 (21.9%) predominantly pain relief; and Class 4 (9.0%), characterized by a wide range of therapeutic uses in addition to pain management, including insomnia, stress, nausea/loss of appetite, and harm reduction. Class-specific structural, substance-, and health-related differences were observed, including indicators of better physical and mental health among the "recreational" class, despite evidence of more structural vulnerabilities (e.g., homelessness, incarceration). CONCLUSIONS: Our findings demonstrate a wide spectrum of motivations for cannabis use among PWUD. We observed important health-related differences between latent classes, demonstrating possible unmet healthcare needs among PWUD reporting therapeutic cannabis use. These findings inform ongoing policy surrounding access to cannabis for harm reduction purposes and applications of medical cannabis for PWUD.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».