Associations between Longitudinal Patterns of Substance Use and Anxiety and Depression Symptoms among a Sample of Canadian Secondary School Students
Notice bibliographique
Résumé
The objective of this study is to examine the longitudinal associations between latent classes of substance use and anxiety and depression scores among youth who use substances. This study uses data from three waves (Wave 1: 2017/18, Wave 2: 2018/19, and Wave 3: 2019/20) of the COMPASS study. Students in grades 9 and 10 who reported substance use at baseline (n = 738) report their substance use (alcohol, cannabis, cigarettes, and e-cigarettes) and anxiety and depression symptoms at each wave. A Repeated Measures Latent Class Analysis (RMLCA) is used to determine substance use classes, and mixed models are used to examine the associations between substance use classes and anxiety and depression. We identify three classes of substance use: (1) occasional alcohol and e-cigarette use, (2) escalating poly-substance use, and (3) consistent poly-substance use. After controlling for relevant covariates, consistent poly-substance use is associated with depression (Female OR: 1.24 [95%CI: 0.46, 2.02]; Male OR 1.13 [95%CI: 0.38, 1.87]) but not anxiety. Escalating poly-substance use is associated with depression among males (OR 0.72 [95%CI: 0.10, 1.33]). These findings should be taken into consideration when creating prevention programming and treatment strategies for adolescents. Substance use programming should be comprehensive, consider multiple substances, and be cognizant of symptoms of mental illness, particularly depression.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».