Exploring the dynamic transitions of polysubstance use patterns among Canadian youth using Latent Markov Models on COMPASS data
Notice bibliographique
Résumé
Background: There are limited evidence on polysubstance use (PSU) patterns among youth, with little understanding of associated factors. We addressed this deficiency by examining PSU patterns and impact factors in a large sample of Canadian youth. Methods: Data were from linked samples of 8824 Canadian secondary school students who completed longitudinal health surveys of the COMPASS study for three-consecutive-year (Y2016/17, Y2017/18, Y2018/19). Substance use measures, including cigarettes, e-cigarettes, alcohol, and marijuana, were self-reported and categorized into never/occasional/current use. We developed a multivariate Latent Markov Model to investigate PSU patterns. Model selection was based on the Bayesian information criterion and the goodness-of-fit test. Findings: Four distinct use patterns were identified: no use (C1), occasional single-use of alcohol (C2), dual-use of e-cigarettes and alcohol (C3), and current multi-use (C4). The probabilities of initial class membership were PC1=0·589, PC2=0·216, PC3=0·149, and PC4=0·047 (Y2016/17). C1 had the highest prevalence (60·3%) in Y2016/17, and C3 became the prominent use pattern (32·4%) by Y2018/19. The marginal distribution of C3 (0·149->0·265->0·341) and C4 (0·047->0·110->0·202) steadily increased over time, indicating a growing trend of using dual and multiple substances. Risk factors associated with PSU patterns included truancy (ORC2=1·67, 95% CI 1·55-1·79; ORC3=1·92, 1·80-2·04; ORC4=2·79, 2·64-2·94), more smoking friends, more weekly allowance, elevated BMI, being older, and attending unsupportive schools. In contrast, not gambling online (ORC2=0·22, -0·16-0·58; ORC3=0·14, -0·24-0·52; ORC4=0·08, -0·47-0·63), eating breakfast, residing in urban areas, and having higher school connectedness had positive effects on initial membership of PSU patterns. Interpretation: The diverse associations between PSU patterns and multifaceted factors should be considered when designing and implementing interventions targeting the risk reduction of youth PSU. Funding: The University of Waterloo scholarship and Microsoft AI for Good grant; the Canadian Institutes of Health Research, Health Canada, the Canadian Centre on Substance Abuse, the SickKids Foundation, the Ministère de la Santé et des Services sociaux of the province of Québec. Declaration of Interest: We declare no competing interests. Ethical Approval: The COMPASS study has received ethics clearance from the University of Waterloo Office of Research Ethics (ORE 30118).
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».