Extreme Binge Drinking During Adolescence: Associations With Subsequent Substance Use Disorders in American Indian and Mexican American Young Adults
Notice bibliographique
Résumé
OBJECTIVE: This study collected retrospective data on adolescent binge drinking (ABD) (5 drinks for boys, 4 for girls per occasion at least once per month) and/or extreme adolescent binge drinking (EABD) (10 or more drinks per occasion at least once per month) and tested for associations with demographic and diagnostics variables including alcohol and other substance use disorders (AUD/SUD). METHODS: Cross-sectional data were collected from young adult (age 18-30 yrs) American Indians (AI) (n = 534) and Mexican Americans (MA) (n = 704) using a semi-structured diagnostic instrument. RESULTS: Thirty percent (30%) of the sample reported ABD and 21% reported EABD. Those having had monthly ABD were more likely to be AI and have less education; those having had EABD were more likely to be AI, male, younger, have less education and lower economic status compared to participants without ABD. ABD/EABD was associated with higher impulsivity, a family history of AUD, and lower level of response to alcohol (ORs = 1.0-2.0), as well as with adult AUD (ORs = 3.7-48), other substance use disorders (ORs = 3.5-9), and conduct disorder/ antisocial personality disorder (ORs = 2.0-2.6), but not with anxiety/depression. Monthly EABD further increased the odds of AUD/SUD. CONCLUSIONS: Although binge drinking was more common in AI compared to MA, there were little effects of race in individual risk factor analyses. Monthly ABD and EABD were common among these AI/MA as adolescents, and, as with other ethnic groups, these drinking patterns resulted in highly significant increases in the odds of developing alcohol and other substance use disorders in young adulthood.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».