Examining the influence of rurality on frequency of cannabis use and severity of consequences as moderated by age and gender
Notice bibliographique
Résumé
AIM: A number of important health disparities associated with place of residence have been reported in the literature. The Remoteness Index (RI) was developed to account for community size, population density, and proximity to larger population centres. This exploratory analysis uses the RI to examine community level associations related to cannabis use. DESIGN: This secondary analysis uses data collected as part of a randomized controlled trial of a brief cannabis intervention. Participants' place of residence was matched to a corresponding value on the RI. Univariate regressions of RI and cannabis related outcomes were modeled with age and gender as moderating variables. Three outcomes were analyzed separately: 1) total number of days of cannabis use in the past 30 days; 2) risk of experiencing cannabis related problems; and 3) number of self-reported consequences related to cannabis. FINDINGS: Participants living in more remote areas were significantly more likely to drive within an hour of using cannabis, but also reported fewer consequences and less risky cannabis use. Although the overall regression models tested in the moderation analyses were significant, there were no interaction effects between RI and age or gender. CONCLUSION: While this analysis did not find significant conditional effects of age or gender on the relationship between cannabis use and place of residence, further research is needed to investigate other factors which may contribute to health disparities related to substance use between individuals living in different geographic regions.
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 | 0,001 |
| 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 ».