Risk-Taking, Social Support, and Belongingness Contribute to the Risk for Cannabis Use Frequency in University Students
Notice bibliographique
Résumé
Background: Cannabis use and misuse is known to be associated with a variety of negative health, academic, and work-related outcomes; therefore, it is important to study the factors that contribute to or moderate its use. Objectives: The aim of this study was to determine whether risky behavior, belongingness and social support as clustering variables play a role in cannabis use frequency. Method: In a university student sample, participant data on risky behavior, belongingness and social support were used to generate vulnerability profiles through cluster analysis (low vulnerability with low risk, low vulnerability with high belonging, moderate vulnerability, and high vulnerability). Using an analysis of variance, the vulnerability profiles were compared with respect to cannabis use frequency and quantity. Through chi-square tests we assessed whether these profiles are overrepresented in certain demographics. Results: The cluster analysis yielded four groups, which differed in their vulnerability for cannabis use. The most vulnerable cluster group had higher cannabis use frequency relative to the two least vulnerable groups. Low income vs. high income was also associated with high vulnerability group membership. International students were overrepresented in the low vulnerability with high belonging group relative to the low vulnerability with low-risk group. The opposite was observed for domestic students. Conclusions: This research adds to the expanding body of literature on cannabis use and misuse in Canada, which may contribute to public health policy and the prevention and treatment of cannabis addiction by providing new insight on who may be at risk.
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 | 0,000 | 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 ».