Performance-Enhancing Substance Use and Intimate Partner Violence: A Prospective Cohort Study
Notice bibliographique
Résumé
Research has shown that performance-enhancing substance (PES) use, including anabolic-androgenic steroids (AAS), is associated with interpersonal violence (e.g., fighting). This study aimed to determine whether legal PES use and AAS use are associated with intimate partner violence (IPV) involvement cross-sectionally and over seven-year follow-up in a nationally representative prospective cohort study. Data from the National Longitudinal Study of Adolescent to Adult Health (N = 12,288) were analyzed (2021). Logistic regression analyses were conducted to determine the associations between legal PES use and AAS use at Wave III (2001-2002; ages 18-26) and IPV victimization (five variables) and IPV perpetration (five variables) at Wave III and Wave IV (2008-2009; ages 24-32), adjusting for relevant demographic and confounding variables. Results from cross-sectional analyses showed that legal PES use and AAS use were associated with higher odds of both any IPV victimization and sexual IPV victimization, and both any IPV perpetration and physical IPV perpetration by pushing or shoving a partner. Results from prospective analyses showed that AAS use, but not legal PES use, was associated with higher odds of all five IPV victimization variables (any IPV victimization: adjusted odds ratio [AOR] 1.72, 95% confidence interval [CI]1.04-2.84; two forms of physical abuse: 1: AOR 2.01, 95% CI 1.15-3.50; 2: AOR 2.11, 95% CI 1.06-4.21; incurring an injury from IPV victimization: AOR 4.90, 95% CI 1.71-14.01; and sexual IPV victimization AOR 2.44, 95% CI 1.05-5.65), as well as three IPV perpetration variables (any IPV perpetration: AOR 2.11, 95% CI 105-4.23; one form of physical abuse perpetration: AOR 2.58, 95% CI 1.06-6.27; and sexual IPV perpetration: AOR 3.80, 95% CI 1.44-10.02). These results emphasize the adverse social and interpersonal risks associated with PES use. Continued research, health care, and public health prevention and intervention efforts to reduce the use of PES and occurrence of IPV are warranted.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 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 ».