Emotion Dysregulation Is Associated With Increased Problem Cannabis Use Among Emerging Adults During COVID-19
Notice bibliographique
Résumé
Objective: Emerging adulthood (18–25 years) is associated with peak prevalence of cannabis use. Although population-based longitudinal studies have found little change in cannabis use among emerging adults during COVID-19, research examining changes among vulnerable subgroups is lacking. The present study examined the association between emotion dysregulation at 23 years and change in cannabis use frequency and problem cannabis use among a large sample of emerging adults, from before to during the COVID-19 pandemic. Method: Longitudinal data were analyzed from 1,226 emerging adults (59% female; n = 738 reported cannabis use) who completed online surveys before the pandemic (2019; age 21) and 1 year into COVID-19 (2021; age 23) as part of the Québec Longitudinal Study of Child Development. Results: There was no significant overall within-person change in cannabis use outcomes during COVID-19 among the emerging adult sample. However, emotional clarity (a dimension of emotion dysregulation) at 23 years significantly moderated change in problem cannabis use during COVID-19. Namely, low emotional clarity at 23 years was associated with increased problem cannabis use (B = 0.79, 95% CI [0.23, 1.34]), whereas high emotional clarity at 23 years was associated with decreased problem cannabis use (B = -0.68, 95% CI [-1.27, -0.09]) during COVID-19, among men only. Conclusions: Findings highlight the need to consider changes in cannabis use during COVID-19 among emerging adults with elevated emotion dysregulation (and particularly, low emotional clarity among men) and reiterate the need for supports and targeted interventions to reduce cannabis use and decrease associated harms as society emerges from COVID-19.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».