Why Use Cannabis? Examining Motives for Cannabis Use in Individuals with Anxiety Disorders
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract This study examined cannabis use motives in individuals with anxiety disorders and compared motives between infrequent and frequent cannabis users. It was hypothesised that coping motives would be endorsed at a significantly higher rate than other motives, and that frequent cannabis users would endorse coping motives significantly more than infrequent users. Participants were 144 adults seeking clinical services for anxiety disorders who reported using cannabis. Cannabis use was categorized by infrequent ( n = 54) and frequent ( n = 90) use. Anxiety symptoms were assessed and deemed clinically significant. Participants completed measures of cannabis use motives, cannabis use patterns, and cannabis use disorder symptoms, cross-sectionally. Cannabis use motives were examined for the entire sample and compared between frequent and infrequent users. In general, cannabis users endorsed coping (i.e., use for managing distress) and enhancement (i.e., use for fun, pleasant feeling, or the high) motives at equal rates ( p = .265) and more than other motives ( p < .001). Frequent users reported using cannabis for coping and expansion motives (i.e., use to change one's thinking) significantly more than infrequent users. These results indicate that individuals with anxiety disorders use cannabis for various reasons, some of which may not be directly related to their mental health symptoms. Future research is needed to compare motives for cannabis use in those with anxiety disorders, other mental health populations, and the general population, as well as examine motives for cannabis use within specific anxiety disorders.
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.
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 | 0,001 | 0,001 |
| 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 découle