Cumulative lifetime violence, social determinants of health, and cannabis use disorder post‐cannabis legalization in a community sample of men: An intersectional perspective
Notice bibliographique
Résumé
Despite Canada having the highest disease burden globally for cannabis use disorder (CUD) and violence being ubiquitous in men's lives, little is known about how intersections among social determinants of health (SDOH) and cumulative lifetime violence severity (CLVS) influence CUD in men post-cannabis legalization. Using data collected in a survey with a national community sample of 597 men who self-identified as having experienced violence, we conducted a latent profile analysis using 11 subscales of the CLVS-44 scale and explored differential associations between CLVS profiles and CUD considering SDOH covariates. Four profiles were distinguished by intersections among CLVS-44 subscale severity and roles as target and perpetrator. CLVS profiles were significantly associated with CUD in the unadjusted model and in the adjusted model where age, adverse housing, and education were significant covariate controls. In the adjusted model, CUD was differentially associated with CLVS profiles and significantly higher in Profile 4 (highest severity target and perpetrator) than in Profile 1 (lowest severity target, no perpetration). Chi-square tests showed significant intersection between adverse housing, younger age, Profile 4 CLVS, and moderate to severe CUD among cannabis users. These results reveal the importance of understanding simultaneous intersections among indicators of CLVS in determining profiles of lifetime violence. Also critical are intersections among CLVS profiles and significant covariates as a basis for trauma- and violence-informed care for CUD that prioritizes men most disadvantaged by this convergence and attends to individual and structural health disparities at practice and policy levels.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».