MétaCan
Menu
← Retour à la cohorte
Enregistrement W4400352508 · doi:10.2196/58685

Examining the Impact of Simultaneous Alcohol and Cannabis Use on Alcohol Consumption and Consequences: Protocol for an Observational Ambulatory Assessment Study in Young Adults

2024· article· en· W4400352508 sur OpenAlexvenueno aff
Rachel L. Gunn, Jane Metrik, Nancy P. Barnett, Kristina M. Jackson, Sharon Lipperman‐Kreda, Robert Miranda, Timothy J. Trull, Mary Ellen Fernandez

Notice bibliographique

RevueJMIR Research Protocols · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueCannabis and Cannabinoid Research
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on Alcohol Abuse and Alcoholism
Mots-clésCannabisObservational studyMedicineAlcoholPoison controlEnvironmental healthPsychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: There is significant conflicting evidence as to how using cannabis while drinking alcohol (ie, simultaneous alcohol and cannabis use) impacts alcohol volume consumed, patterns of drinking, and alcohol-related consequences. The impact of simultaneous use on drinking outcomes may be influenced by several within-person (eg, contextual) and between-person (individual) factors. OBJECTIVE: This study was designed to examine naturalistic patterns of alcohol and cannabis use to understand how simultaneous use may impact drinking outcomes. The primary aims were to understand the following: (1) if simultaneous use is associated with increased alcohol consumption and riskier patterns of drinking, (2) if simultaneous use leads to increased alcohol consequences, and (3) how contextual circumstances moderate the impact of simultaneous use on consumption and consequences. METHODS: Data collection involves a 28-day ambulatory assessment protocol in which a sample of non-treatment-seeking young adults who report simultaneous use of alcohol and cannabis complete ecological momentary assessments (random, event-contingent, and time-contingent surveys) of alcohol and cannabis use, contexts, motives, and consequences on their personal smartphones while continuously wearing an alcohol biosensor bracelet. Participants also complete a baseline assessment, brief internet-based check-in on day 14, and a final session on day 28. Community-based recruitment strategies (eg, social media and flyers) were used to enroll 95 participants to obtain a target sample of 80, accounting for attrition. RESULTS: Recruitment and data collection began in May 2021 and continued through June 2024. Initial results for primary aims are expected in October 2024. As of March 2024, the project had recruited 118 eligible participants, of whom 94 (79.7%) completed the study, exceeding initial projections for the study time frame. Remaining recruitment will provide the capacity to probe cross-level interactions that were not initially statistically powered. Strengths of the project include rigorous data collection, good retention and compliance rates, faster-than-expected enrollment procedures, use of a novel alcohol biosensor, and successful adaptation of recruitment and data collection procedures during the COVID-19 pandemic. CONCLUSIONS: This is the first investigation to assess the key momentary predictors and outcomes of simultaneous use as well as self-reported and objective (via alcohol biosensor) measures of alcohol consumption and patterns. The results of this study will inform prevention efforts and studies of individuals who use cannabis who are engaged in alcohol treatment. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/58685.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,017
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,091

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,015
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0050,002
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0130,004

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.

Tête enseignante Opus0,507
Tête enseignante GPT0,607
Écart entre enseignants0,101 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreProtocole

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Research Protocols→Même sujetCannabis and Cannabinoid Research→Travaux en français237 207→