Personality to Prescription Drug Misuse in Adolescents: Testing Affect Regulation, Psychological Dysregulation, and Deviance Proneness Pathways
Notice bibliographique
Résumé
Background: Fifteen to 25-year-olds are the age group most likely to misuse prescription drugs. Few studies have tested theory-driven models of adolescent risk for prescription drug misuse. Moreover, rarely are distinct pathways to different forms of prescription drug misuse considered. Methods: We tested mediational paths from personality to mental health symptoms to prescription drug misuse, informed by etiological models of addiction. We specified pathways from particular personality traits to unique forms of prescription drug misuse via specific mental health symptoms. We used semi-longitudinal data collected across two waves of the Co-Venture Trial. Our sample included students from 31 Canadian high schools tested in Grade 9 (n = 3,024) and again in Grade 10 (n = 2,869; 95% retention). Personality (hopelessness, anxiety sensitivity, impulsivity, sensation seeking) was assessed in Grade 9. Mental health symptoms (depression, anxiety, ADHD, conduct disorder) and prescription drug misuse (opioids, sedatives/tranquilizers, stimulants) were assessed at both time points. Results: Consistent with the negative affect regulation model, hopelessness was specifically associated with opioid misuse via depressive symptoms, and anxiety sensitivity was specifically associated with sedative/tranquilizer misuse via anxiety symptoms. Consistent with positive affect regulation, sensation seeking was directly associated with stimulant misuse. Consistent with the psychological dysregulation model, impulsivity was associated with stimulant misuse via ADHD symptoms. And consistent with the deviance proneness model, impulsivity was also associated with unconstrained (i.e., all three forms of) prescription drug misuse via conduct disorder symptoms. Conclusions: Screening for adolescents high in hopelessness, anxiety sensitivity, sensation seeking, or impulsivity and providing them with personality-matched cognitive-behavioral interventions may be helpful in preventing or mitigating prescription drug misuse. Our results point to the specific mental health symptoms that are important to target in each of these personality-matched interventions.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».