Investigating predictors of problematic cannabis use in polysubstance users
Notice bibliographique
Résumé
Introduction: Since its legalization in 2018, cannabis use has substantially increased in Canada. This increased use is concerning, as one in every eleven cannabis users will go on to develop a cannabis use disorder. Further, problematic cannabis use is often related to the use of additional substances, particularly nicotine and alcohol, and there is evidence to suggest that the degree of harms associated with cannabis use increases when cannabis is used in conjunction with other substances. Additionally, personality is a known risk factor for problematic substance use, although to date problematic cannabis use has not been consistently linked to any specific personality trait. This study aimed to investigate the relationship between substance use, personality, and problematic cannabis use in a sample of cannabis using polysubstance users. Method: A sample of 521 polysubstance users (past 30-day users of cannabis, alcohol, and nicotine) completed an online survey measuring their substance use, dependence, and personality. Levels of substance specific dependence was measured using the Cannabis Use Disorder Identification Test – Revised, the Alcohol Use Disorders Identification Test, and the Fagerström Tests for Cigarette and E-cigarette Dependence, while personality was measured using the Substance Use Risk Profile Scale (SURPS). Results: Regression analyses showed that the top predictors for problematic cannabis use levels were levels of alcohol dependence, cigarette/e-cigarette dependence, impulsivity, and sensation seeking. Further analyses compared those who met the criteria for problematic cannabis use to those who did not; problematic cannabis users had significantly higher levels of alcohol and nicotine dependence, as well as higher levels of impulsivity and sensation seeking (all p’s <.001). Discussion: This study identified strong relationships of problematic cannabis use with problematic alcohol and cigarette/e-cigarette use, and with sensation seeking and impulsivity. The findings have implications for screening, intervention, and policy. For example, the strong relations of problematic cannabis use with problematic alcohol use speak to the inadvisability of the co-location of cannabis and alcohol sales, as is the case in several jurisdictions.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».