Mental health and cannabis use among Canadian youth: Integrated findings from cross-sectional and longitudinal analyses
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Using data from two methodologically independent youth research studies in Canada, the Health Behaviour in School-aged Children (HBSC) study and the Cannabis, Obesity, Mental health, Physical activity, Alcohol, Smoking, and Sedentary behaviour (COMPASS) study, the objective of this study was to compare associations between youth's mental health and cannabis use across samples. Using similar indicators in both studies, our goal was to affirm the potential for nationally representative cross-sectional analyses (HBSC) to replicate findings found in a longitudinal non-representative data source (COMPASS), enhancing opportunity for causal inferences. METHODS: Data were collected from grade 9 and 10 Canadian students participating in the 2017/18 HBSC (n=8462) and 2017/18 to 2018/19 waves of COMPASS (n=32,023). Using multivariable Poisson regression models, the strength and statistical significance of the effects of mental health indicators on cannabis use outcomes were estimated within both studies and compared for consistency. Using a 2-year linked sample of students participating in COMPASS, models examining the impact of mental health indicators on cannabis use initiation and maintenance over time were similarly fit using Poisson regression to estimate relative risk. RESULTS: Similar associations between mental health problems and cannabis use were observed in both data sources. The direction, magnitude, and precision of the estimates for restless sleep, loneliness, poor wellbeing, and cannabis use were highly comparable across both studies. Worse mental health was consistently associated with current and lifetime cannabis use among youth. DISCUSSION: Cross-sectional and longitudinal findings from two large methodologically diverse studies in Canada demonstrate a replicable association between indicators of mental health and youth cannabis use. Similarities were identified and two generalizations may be concluded: 1) potentially causal etiological relationships inferred from HBSC data were supported in longitudinal findings based on COMPASS, and 2) longitudinal COMPASS data aligns with nationally representative data from HBSC.
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 | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,005 | 0,014 |
| Études des sciences et des technologies | 0,006 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».