MétaCan
Menu
Retour à la cohorte
Enregistrement W4410832579 · doi:10.1080/15388220.2025.2509893

Do Risky Drinking and Cannabis Use Motives Mediate the Links Between Bullying Involvement and Substance Use Harms Among Emerging Adults?

2025· article· en· W4410832579 sur OpenAlexaffabout
Lillea A. Hohn, Laura J. Lambe, Patricia Conrod, Allyson F. Hadwin, Matthew T. Keough, Marvin D. Krank, Kara Thompson, Sherry H. Stewart

Notice bibliographique

RevueJournal of School Violence · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueBullying, Victimization, and Aggression
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversity of British ColumbiaYork UniversityUniversity of VictoriaUniversité de MontréalSt. Francis Xavier UniversityDalhousie University
Organismes subventionnairesnon disponible
Mots-clésCannabisSubstance usePoison controlPsychologySuicide preventionInjury preventionHuman factors and ergonomicsOccupational safety and healthSubstance abuseClinical psychologyPsychiatrySocial psychologyMedicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Individual motivations for substance use may help to explain the link between bullying involvement and harmful substance use among emerging adults. This study investigated mediational pathways between bullying involvement (victimization and perpetration) and alcohol/cannabis use harms via risky alcohol/cannabis use motives (coping-anxiety, coping-depression, enhancement, and conformity). Data came from a cross-sectional, self-report survey administered to 1898 undergraduate students in first or second year across five post-secondary Canadian institutions. Mediation analyses indicated that risky drinking and cannabis use motives mediated links between bullying involvement and harmful use of each substance. In general, coping and conformity motives emerged as mediators for victimization-harmful use links, whereas enhancement and conformity motives emerged as mediators for perpetration-harmful alcohol use links. Results may have implications for supporting vulnerable emerging adults.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,572

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,294
Écart entre enseignants0,269 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of School ViolenceMême sujetBullying, Victimization, and AggressionTravaux en français237 207