Social cohesion, depression, and substance use severity among young men: Cross-sectional and longitudinal analyses from a Swiss cohort
Notice bibliographique
Résumé
INTRODUCTION: Social cohesion, depression, and problematic substance use are intertwined and poorly understood.This study aimed to examine cross-sectional and longitudinal associations between social cohesion, depression and problematic substance use amongyoung men, age 21-25. METHODS: , 2016-2018) data from the on-going Swiss CohortStudy on Substance Use Risk Factors (C-SURF), assessing social cohesion, depression, and severity of alcohol, nicotine and cannabis use during both waves. Structural Equation Models (SEMs) were employed to examine pathways in both waves under the framework of longitudinal analysis. RESULTS: Social cohesion was directly associated with depression and problem nicotine and cannabis use and indirectly associated with problem alcohol, nicotine and cannabis use through depression at both t1 and t2. Social cohesion exerted direct effects on nicotine use and cannabis use severity, but not on alcohol use severity. Social cohesion had indirect effects on problem use of all three substances, mediated via depression. The predictive direction was from depression to substance use, rather than vice versa. CONCLUSIONS: Higher social cohesion at an early age appears to protect young males from depression and problematic substance use later in life. However, once problematic substance use is established, the direct effect of social cohesion diminishes and is mediated through personal depression. Therefore, promoting a more cohesiveneighborhood in childhood or adolescenthood could play an important role preventing depression and more severe substance use behaviors.
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 | 0,000 | 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 ».