Preadolescent individual, familial, and social risk factors associated with longitudinal patterns of adolescent alcohol, cannabis, and other illicit drug use in a population-representative cohort.
Notice bibliographique
Résumé
= 1,593; 48.4% male). Age 12-17 years self-reports of alcohol, cannabis, and other illicit drug use were collected. Latent growth modeling was used to analyze developmental patterns of single- or polysubstance use (SU/PSU), and multinomial regression examined their association with risk factors assessed at age 10-12 years. Five developmental patterns were revealed, including nonusers (12.8% sample) and four classes reflecting different levels of SU/PSU (5.8%-37.5%), varying in severity based on onset, frequency, and type of substances used. Boys and girls were similarly represented throughout SU/PSU patterns. In comparisons with nonusers, several preadolescent risk factors were associated with increasing severity of SU/PSU. Possibly indexing fearlessness/disinhibition, low internalizing symptoms were common to all adolescent users. An earlier onset of substance use and increasing use of substances throughout adolescence were linked with having deviant peers for all user classes but later-onset users. Preadolescents manifesting externalizing problems and exposed to family adversity in addition to the above risk factors showed the earliest onset and most frequent adolescent SU/PSU, especially those also exposed to less appropriate parenting. Consistent with the developmental model of substance use, the nature, number, and severity of preadolescent risk factors distinguished between the type and severity of SU/PSU patterns in adolescence and call for a consistent strategy of universal, selective, and indicated preventive interventions. (PsycInfo Database Record (c) 2025 APA, all rights reserved).
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 | 0,000 |
| 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 ».