Global Trends in Psychedelic Microdosing: Demographics, Substance Testing Behavior, and Patterns of Use
Notice bibliographique
Résumé
Despite psychedelic microdosing being a growing practice, the research on the topic is still in its infancy. While several studies have described the characteristics, motivations and practices of microdosers, the differences between individuals that only microdose and those that use both micro and macrodoses of psychedelics remain unexplored. In an online survey, we collected data of 6193 psychedelic consumers of which 2488 were microdosers of up to 11 different classical and atypical psychedelics. In comparison to respondents that use both microdoses and macrodoses, exclusive microdosers were older in age (46.4 vs. 42.0 years), had a larger proportion of females (68.4% vs. 44.7%), were non-Caucasian (25.4% vs. 14.7%), urban residents (43.9% vs. 38.5%), and had a lower average lifetime use of non-psychedelic substances (3.8 vs. 4.7 substances). Most consumers (52.5%) microdosed psychedelics multiple times a month, commonly using psilocybin (74.5%), LSD (34.4%), and ketamine (15.8%), with most users (64.6%) not testing their substances. The most common reason for microdosing was improving general wellbeing (73.0%), and psychedelics were used for treating several physical and mental health conditions. Additional analyses examined spending habits of consumers. This study adds to the growing literature on the naturalistic use of psychedelic microdosers.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».