Predictors of Cannabis Use Among Canadian University Students
Notice bibliographique
Résumé
Objective: To examine the correlates between cannabis use, motives to use, related psychosocial outcomes and academic behaviours among a sample of Canadian university students. Methods: A random sample of 6,000 students who were enrolled in at least one class and were 18 years or over were asked to complete a cross-sectional online survey. Of the 920 students that responded, 478 (ages 18-55; mean age = 25.02, SD = 5.95) identified as having used cannabis within the past six months and thus were included as participants in the current study. Participants completed a battery of measures designed to examine cannabis use and associated constructs (i.e., substance use risk, personal well-being, non-specific psychological distress, academic behaviours, and motivations for use). Results: Among the participants, 31% (n = 148) were found to be frequent (i.e., hazardous) users. Using cannabis for enhancement, coping, expansion, sleep difficulties, and conformity purposes, as well as impulsive personality traits were found to be predictors of cannabis use severity, with the enhancement motive identified as the strongest predictor for the total sample, males, and hazardous users. The coping motive was the strongest predictor for females, and impulsivity was the strongest predictor for non-hazardous users. Conclusion: Findings will help inform the development of campus guidelines for lower risk cannabis use. Information gleaned from this study will also provide important information for those that use cannabis, policymakers, and health care providers in considering optimal personal use, prevention, and intervention plans.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».