Across the multiverse: exploring a diverse set of specifications related to cross-sectional and prospective associations between adolescent alcohol use and emotional problems
Notice bibliographique
Résumé
Abstract Background The relationship between adolescent alcohol use and emotional problems remains unclear and contradictory. These inconsistencies may in part be due to differences in the measurement and operationalization of alcohol use and emotional problems across studies, as well as confounder selection and missing data decisions. This study explores the associations between common specifications of adolescent alcohol use and emotional problems in a large sample of adolescents. Methods A multiverse analysis (also known as specification curve analysis or vibration of effects) was done with 7680 unique model specifications in a large longitudinal sample of 6639 Australian adolescents (aged ~14.7–15.7, 2021–2022). Results While alcohol use and emotional problems nearly universally co-occurred in minimally adjusted cross-sectional models (98–99%), the operationalization of emotional problems, temporality of prospective relationships, and choice of confounders substantially impacted findings. Emotional problems appeared to predict later alcohol use more-so than the reverse, depression-focused measures yielded more consistent associations with alcohol use than anxiety-focused measures, and certain confounders (i.e. conduct, ADHD, smoking) explained most of the associations between adolescent alcohol use and emotional problems. Missing data decisions and whether outcomes were modelled continuously v. dichotomously had minimal impact on findings. Conclusions While adolescent alcohol use and emotional problems commonly co-occur, inconsistencies in the magnitude, direction, and significance of effects are closely tied to researcher decisions that are often made arbitrarily.
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 ».