Early Birds and Night Owls: Distinguishing Profiles of Cannabis Use Habits by Use Times with Latent Class Analysis
Notice bibliographique
Résumé
Background: Understanding, predicting, and reducing the harms associated with cannabis use is an important field of study. Timing (i.e., hour of day and day of week) of substance use is an established risk factor of severity of dependence. However, there has been little attention paid to morning use of cannabis and its associations with negative consequences. Objectives: The goal of the present study was to examine whether distinct classifications of cannabis use habits exist based on timing, and whether these classifications differ on cannabis use indicators, motives for using cannabis, use of protective behavioral strategies, and cannabis-related negative outcomes. Methods: Latent class analyses were conducted on four independent samples of college student cannabis users (Project MOST 1, N=2,056; Project MOST 2, N=1846; Project PSST, N=1,971; Project CABS, N=1,122). Results: Results determined that a 5-class solution best fit the data within each independent sample consisting of the classes: (1) "Daily-morning use",(2) "Daily-non-morning use", (3) "Weekend-morning use", (4) "Weekend-night use", and (5) "Weekend-evening use." Classes endorsing daily and/or morning use reported greater use, negative consequences and motives, while those endorsing weekend and/or non-morning use reported the most adaptive outcomes (i.e., reduced frequency/quantity of use, fewer consequences experienced, and fewer cannabis use disorder symptoms endorsed). Conclusions: Recreational daily use as well as morning use may be associated with greater negative consequences, and there is evidence that most college students who use cannabis do avoid these types of use. The results of the present study offer evidence that timing of cannabis use may be a pertinent factor in determining harms associated with use.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».