Attention deficit hyperactivity disorder symptoms and cannabis use after 1 year among students of the i-Share cohort
Notice bibliographique
Résumé
Abstract Background Cannabis use in university students is associated with academic achievement failure and health issues. The objective of the study was to evaluate the association between attention deficit hyperactivity disorder (ADHD) symptoms and cannabis use after 1 year among students according to previous cannabis use. Methods Students in France were recruited from February 2013 to July 2020 in the i-Share cohort. 4,270 participants were included (2,135 who never used cannabis at inclusion and 2,135 who did). The Adult ADHD Self-Report Scale (ASRS) was used to assess ADHD symptoms at inclusion. Cannabis use frequency was evaluated 1 year after inclusion. Multinomial regressions were conducted to assess the association between inclusion ADHD symptoms and cannabis use after 1 year. Results Increase in ASRS scores was linked with a greater probability to use cannabis after 1 year and to have a higher cannabis use frequency (once a year—once a month adjusted odds ratio [OR]: 1.24 (1.15–1.34), more than once a month adjusted OR: 1.43 (1.27–1.61)). Among participants who never used cannabis at inclusion, this association disappeared (once a year—once a month adjusted OR: 1.15 (0.95–1.39), more than once a month adjusted OR: 1.16 (0.67–2)) but remained in participants who ever used cannabis at inclusion (once a year—once a month adjusted OR: 1.17 (1.06–1.29), more than once a month adjusted OR: 1.35 (1.18–1.55)). Conclusions High levels of ADHD symptoms in students could lead to continued cannabis use rather than new initiations.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».