Cannabis-related driving and passenger behaviours among high school students: a cross-sectional study using survey data
Notice bibliographique
Résumé
BACKGROUND: Many youth report driving under the influence of cannabis (DUIC) and riding with a cannabis-impaired driver (RWCD), and many perceive that cannabis causes limited impairment. We examined associations of perceived risk of regular cannabis use with DUIC and RWCD, exploring differences by sex and rural setting. METHODS: In a cross-sectional study, we examined DUIC and RWCD among high school students in grades 11 and 12 who participated in the 2016-2017 Canadian Student Tobacco, Alcohol and Drugs Survey. Private and public schools across 9 Canadian provinces were included. New Brunswick and the 3 territories were not included. Multinomial logistic regression models generated adjusted and unadjusted models for the associations. RESULTS: = 52 103/68 415). In total, 14 520 students in grades 11 and 12 participated in the survey. Greater perceived risk of regular cannabis use was associated with reduced risk of DUIC and RWCD in a dose-response manner. Students perceiving that regular cannabis use posed great risk had an adjusted relative risk (RR) of 0.06 (95% confidence interval [CI] 0.04-0.10) of DUIC in the past 30 days compared with students perceiving that regular use posed no risk. Students perceiving that regular cannabis use posed great risk had an adjusted RR of 0.09 (95% CI 0.07-0.12) of RWCD in the past 30 days compared with students perceiving no such risk. Associations were consistent for male and female students and for those living in urban and rural areas. INTERPRETATION: Students perceiving minimal risk from cannabis use reported greater engagement in cannabis-related risky driving behaviours. Given the importance of youth perceptions in shaping driving and passenger behaviours, efforts must be made to disseminate appropriate information regarding cannabis-related driving risks to high school students.
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 | 0,002 | 0,001 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».