Factors associated with substance use among preclinical medical students in Turkey: a cross-sectional study
Notice bibliographique
Résumé
Introduction: Medical students experience high levels of stress due to their rigorous training, which can negatively affect their mental health. This study aimed to investigate substance use habits of medical students at Istanbul University-Cerrahpaşa and the association on their mental health and demographic factors. Methods: This cross-sectional survey study was conducted in March-April 2022 among preclinical medical students (years 1-3 of a 6-year program). A confidential, anonymous online survey consisting of four sections on sociodemographic and educational characteristics, nicotine use and dependence [Fagerström Test for Nicotine Dependence (FTND)], alcohol use [Alcohol Use Disorders Identification Test (AUDIT)], mental health status [12-item General Health Questionnaire (GHQ-12)], was distributed to 1131 students via WhatsApp and Telegram text messages. Mann-Whitney U and Kruskal Wallis tests compared variables’ distribution in the questionnaire categories. Spearman's correlation assessed associations between scales. Significance was p < 0.05. Results: The study included 190 medical students. A total of 26.3% of the participants were smokers, with 8.4% showing moderate to high levels of nicotine dependence. An estimated 45.8% and 8.4% reported low-risk consumption and risky usage of alcohol, respectively. There were statistically significant associations between substance use and demographic factors such as sex, GPA, and religious belief. The study found a statistically significant correlation between FTND scores and GHQ-12 scores, and, between FTND scores and AUDIT scores. Conclusion: The findings of this study will inform the development of interventions to improve the mental health and academic performance of medical students at Istanbul University-Cerrahpaşa. Furthermore, it will raise awareness about the importance of addressing substance use among medical students in Turkey.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».