Efficiently Quantifying Egocentric Social Network Cannabis Use: Initial Psychometric Validation of the Brief Cannabis Social Density Assessment
Notice bibliographique
Résumé
OBJECTIVE: Social environment is a key determinant of substance use, but cannabis-related social network analysis is not common, in part because of the assessment burden of comprehensive egocentric social network analysis. METHOD: = 310) using a survey-based design. The B-CaSDA assesses the quantity and frequency of cannabis use for the respondent's four closest (nonparent) relationships. RESULTS: Ego cannabis use severity was elevated for each additional person who used cannabis at all or daily in the individual's social network. B-CaSDA indices (i.e., frequency, quantity, total score) were positively correlated with cannabis consumption, cannabis use severity indicators, and established risk factors for harmful cannabis use. B-CaSDA indices also discriminated between those above and below a clinical cutoff on the Cannabis Use Disorder Identification Test-Revised (CUDIT-R). Finally, in omnibus models that included common risk factors for cannabis use severity, the B-CaSDA quantity index contributed additional variance when predicting CUDIT-R total score, and B-CaSDA frequency contributed additional variance in predicting the CUDIT-R quantity-frequency subscale. CONCLUSIONS: The results suggest that the B-CaSDA has the potential to expand social network research on cannabis use and misuse by increasing its assessment feasibility in diverse designs.
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) | 0,001 | 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 ».