The association of cannabis use with fast-food consumption, overweight, and obesity among adolescents aged 12-15 years from 28 countries
Notice bibliographique
Résumé
Background \nCannabis legalization and use have risen globally. However, the association between cannabis use, eating behaviors and body weight among adolescents is yet unexplored. \nObjectives \nThis study examined the association between cannabis use, fast-food consumption, overweight and obesity in 28 countries using data from the 2010–2016 Global School-Based Student Health Survey. \nMethods \nMultivariable logistic regression and meta-analysis were performed among a sample of 83,726 adolescents (48.7% females) aged 12–15 years, mean (SD) age of 13.8 (0.9) years. \nResults \nThe overall prevalence of cannabis use (in past 30 days) and fast-food consumption (in past 7 days) were 2.8% and 57.3% respectively. The overall prevalence of overweight and obesity was 14.7% and 4.2%, respectively. Cannabis use was significantly associated with fast-food consumption (OR = 1.33; 95%CI = 1.13–1.57) but not with overweight (OR = 0.95; 95%CI = 0.80–1.14) or obesity (OR = 1.16; 95%CI = 0.85–1.59). For obesity, there was a moderate level of between-country heterogeneity (I2 = 51.9%) and significant positive associations with cannabis use were observed in Bahamas, Bangladesh, Namibia and Nepal. \nConclusion \nThe results highlight the association between cannabis use and dietary risks, providing evidence for public health interventions on the interrelated nature of cannabis use and fast-food consumption.
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 | 0,001 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».