Socio-demographic, health and drug use characteristics among people with different frequency patterns of cannabis use in Brazil
Notice bibliographique
Résumé
Data on cannabis use patterns and health outcome indicators for Brazil are limited. We undertook a cross-sectional internet-based survey assessing socio-demographics, cannabis use frequency, other drug use, quality-of-life (QOL), affective states (i.e. anxiety and depression), and cannabis use disorder among adult respondents in Brazil. A multinomial logistic regression was conducted using cannabis frequency status as the dependent variable. A total of 6876 responders were identified as people with occasional (n = 1088), regular (n = 1062), and frequent (n = 4726) cannabis use. Groups differed greatly on sociodemographic characteristics and other drug use rates. Cannabis use disorder (p < 0.001), early-onset of cannabis use (aOR:1.71), and other substance use (aOR: from 1.53 to 2.59) were associated with a higher frequency of cannabis use. We did not find major differences in psychosocial and mental health outcomes as related to the frequency of cannabis use. Our results suggest that early initiation of cannabis, high use frequency, and using cannabis with other substances may elevate the risk for cannabis use disorder. Given the generally liberalizing trends for cannabis use, it is timely and appropriate to further study cannabis use and related outcomes in Brazil, considering that available indicators for this country are limited.
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 | 0,001 | 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 ».