Simultaneous trajectories of alcohol and cannabis use from adolescence to emerging adulthood: Associations with role transitions and functional outcomes.
Notice bibliographique
Résumé
Alcohol and cannabis are the most widely used substances among young people. This study identifies alcohol and cannabis (AC) trajectory classes, and examines class differences on adult role transitions and functioning during emerging adulthood. Participants (n = 3,265) completed six annual surveys (ages 16 to 22) on frequency of past month alcohol and cannabis use. Parallel process growth mixture models (PP-GMM) were used to model simultaneous trajectories of use and identify latent trajectory classes based on AC co-use. Trajectory classes were compared on age 23 outcomes. Analyses identified four trajectory classes of co-use: Initial AC Abstainer with Increasing AC Use (85%); Initial Low AC Use with Increasing Drinking (5%); Increasing Cannabis Use with Steady Drinking (3%); and Decreasing Cannabis Use with Steady Drinking (7%). The two trajectory classes with early AC co-use were less likely to have made certain role transitions, and reported poorer functioning in emerging adulthood, but in distinct ways. For example, the Decreasing Cannabis Use with Steady Drinking class was less likely to graduate from college, and reported more AC consequences and related problems, whereas the Initial Low AC Use with Increasing Drinking class was less likely to be employed full-time, and reported poorer mental health. The Increasing Cannabis Use with Steady Drinking class tended to fall between the Initial AC Abstainer class and the two early AC co-use trajectory classes on outcomes. Results indicate the ways in which AC co-use can affect functional outcomes and the timing of role transitions during the transition to young adulthood. (PsycInfo Database Record (c) 2021 APA, all rights reserved).
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 | 0,000 |
| 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 ».