Legal Performance-Enhancing Substances and Substance Use Problems Among Young Adults
Notice bibliographique
Résumé
BACKGROUND: Legal performance-enhancing substance(s) (PES) (eg, creatine) are widely used among adolescent boys and young men; however, little is known about their temporal associations with substance use behaviors. METHODS: We analyzed prospective cohort data from the National Longitudinal Study of Adolescent to Adult Health, Waves I to IV (1994-2008). Logistic regressions were used to first assess adolescent substance use (Wave I) and use of legal PES (Wave III) and second to assess use of legal PES (Wave III) and subsequent substance use-associated risk behaviors (Wave IV), adjusting for potential confounders. RESULTS: Among the sample of 12 133 young adults aged 18 to 26 years, 16.1% of young men and 1.2% of young women reported using legal PES in the past year. Adolescent alcohol use was prospectively associated with legal PES use in young men (odds ratio 1.39; 95% confidence interval [CI] 1.13-1.70). Among young men, legal PES use was prospectively associated with higher odds of problematic alcohol use and drinking-related risk behaviors, including binge drinking (adjusted odds ratio [aOR] 1.35; 95% CI 1.07-1.71), injurious and risky behaviors (aOR 1.78; 95% CI 1.43-2.21), legal problems (aOR 1.52; 95% CI 1.08-2.13), cutting down on activities and socialization (aOR 1.91; 95% CI 1.36-2.78), and emotional or physical health problems (aOR 1.44; 95% CI 1.04-1.99). Among young women, legal PES use was prospectively associated with higher odds of emotional or physical health problems (aOR 3.00; 95% CI 1.20-7.44). CONCLUSIONS: Use of legal PES should be considered a gateway to future problematic alcohol use and drinking-related risk behaviors, particularly among young men.
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 | 0,001 |
| 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 ».