What are the factors associated with alcohol, cigarette and marijuana use among adolescents in Africa? Evidence from the Global School-based Health Survey
Notice bibliographique
Résumé
OBJECTIVES: To provide comprehensive estimates of the prevalence of psychoactive substance use, specifically alcohol, cigarettes and marijuana, and factors associated with their use among school-going adolescents in 25 African countries. DESIGN AND METHODS: We used a pooled cross-sectional dataset from the publicly available Global School-based Health Survey (GSHS) from 25 African countries. We used descriptive statistics to estimate the prevalence of alcohol, cigarette and marijuana use as well as their dual use among adolescents aged 11-16 years. Additionally, we used logistic regressions to model factors associated with the use of each substance, with adjusted Odds Ratios (aORs) and their 95% Confidence Intervals (CIs) as the measures of association. SETTING AND PARTICIPANTS: The study focused on school-going adolescents aged 11-16 years in 25 African countries that have conducted the GSHS between 2003 and 2017. OUTCOME MEASURES: The key outcome measure is the proportion of adolescents who have used a specific substance in the past 30 days. These substances include: (1) alcohol, (2) cigarettes, (3) marijuana, (4) alcohol and cigarettes, (5) cigarettes and marijuana and (6) alcohol and marijuana. RESULTS: The prevalence of alcohol use among adolescents was 9.5% (95% CI 8.4% to 10.7%), that of cigarette smoking was 6.2% (95% CI 5.0% to 7.6%), and it was 3.4% (95% CI 2.7% to 4.2%) for marijuana. The prevalence of dual use of alcohol and cigarettes was 3.1% (95% CI 2.4% to 3.9%), that of alcohol and marijuana was 2.0% (95% CI 1.5% to 2.5%), and it was 1.4% (95% CI 1.1% to 1.8%) for cigarettes and marijuana. The prevalence of cigarette smoking was significantly higher among boys than girls. However, there was no statistically significant difference in the prevalence of alcohol or marijuana by sex. Having parents who smoke any tobacco products, being bullied, missing school without permission and experiencing sadness and hopelessness were positively associated with being a current user, irrespective of substance type. CONCLUSIONS: There is a need for comprehensive, current data on substance use among adolescents. Interventions that tackle bullying, reduce school absenteeism, build resilience against difficult situations and increase self-efficacy to resist the use of these substances have the potential to curb substance use among adolescents in Africa.
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 | 0,004 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».