Prescription Tranquilizer/Sedative Misuse Motives Across the US Population
Notice bibliographique
Résumé
OBJECTIVES: Roughly 6.5 million US residents engaged in prescription tranquilizer/sedative (eg, benzodiazepines, Z-drugs) misuse in 2018, but tranquilizer/sedative misuse motives are understudied, with a need for nationally representative data and examinations of motives by age group. Our aims were to establish tranquilizer/sedative misuse motives and correlates of motives by age cohort, and whether motive-age cohort interactions existed by correlate. METHODS: Data were from the 2015 to 2018 US National Survey on Drug Use and Health, with 223,520 total respondents (51.5% female); 6580 noted past-year prescription tranquilizer/sedative misuse motives (2.4% overall, 50.3% female). Correlates included substance use (eg, opioid misuse), mental (eg, suicidal ideation) and physical health variables (e.g., inpatient hospitalization). Design-based, weighted cross-tabulations and logistic regression analyses were used, including analyses of age cohort-motive interactions for each correlate. RESULTS: Prescription tranquilizer/sedative misuse motives varied by age group, with the highest rates of self-treatment only motives (ie, sleep and/or relax) in those 65 and older (82.7%), and the highest rates of any recreational motives in adolescents (12-17 years; 67.5%). Any tranquilizer/sedative misuse was associated with elevated odds of substance use, mental health, and physical health correlates, but recreational misuse was associated with the highest odds. Age-based interactions suggested stronger relationships between tranquilizer/sedative misuse and mental health in adults 50 and older. CONCLUSIONS: Any tranquilizer/sedative misuse signals a need for substance use and mental health screening, with intervention needs most acute in those with any recreational motives. Older adult tranquilizer/sedative misuse may be more driven by undertreated insomnia and anxiety/psychopathology than in younger groups.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».