MétaCan
Menu
Retour à la cohorte
Enregistrement W4412983115 · doi:10.1016/j.etdah.2025.100180

Prevalence and determinants of recreational drug use and related health effects among youths

2025· article· en· W4412983115 sur OpenAlexaff
Benjamin Oritsemuelebi, Benneth Ben‐Azu, Best Ordinioha, Ogheneoruese Orovwigho, Jerome Ndudi Asiwe, Emmanuel O. Chidebe, Beauty Ijirigho, Tebu Oghenerukevwe

Notice bibliographique

RevueEmerging Trends in Drugs Addictions and Health · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésRecreational DrugRecreationDrugEnvironmental healthRecreational drug useMedicinePsychologyDemographyPsychiatrySociologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Background Recreational drug use among youths has emerged as a significant public health concern, particularly in Nigeria's South-South Geopolitical Zone. This study assessed the prevalence and determinants of the use of recreational drugs among youths in Abraka, Delta State. Methods A cross-sectional study was conducted over a period of approximately 4 months, from January 2024 to April 2024, involving 470 youths residing in Abraka, selected through a multistage sampling. Data were collected using a validated structured self-administered questionnaire, while data management and statistical analysis were performed using Microsoft Excel and SPSS version 25, employing descriptive statistics, Chi-square tests, and multivariable logistic regression to identify predictors of drug use. Results The respondents were 64.5% male, 66.8% aged 21–30, 75.1% single, 56.2% had secondary education, 45.5% were skilled workers, 94.5% Christians, and 42.1% had a family history of drug use. Regarding knowledge, 82.6% recognized the risk of long-term dependence, 88.9% acknowledged marijuana's short-term effects, 89.4% understood the risk of kidney and liver damage, and 79.1% were aware of suicidal tendencies associated with severe drug use. Knowledge was rated good in 63.2%, fair in 31.3%, and poor in 5.5%. Attitudes varied: 47.0% strongly disagreed with drug use, 46.6% did not view drugs as harmful, 65.1% agreed that illegal drug possession leads to arrest, and 81.1% had a positive attitude toward drug use. Awareness was high (98.7%), particularly for codeine (85.0%), alcohol (82.9%), and cannabis (76.2%). The prevalence of drug use was 41.9%, with alcohol (59.1%), tobacco (35.1%), and marijuana (22.3%) being the most commonly used substances. Married individuals were 1.6 times more likely to use drugs compared to singles (AOR = 1.6, 95% CI: 1.0–2.6, p = 0.030), and those with tertiary education were 2.1 times more likely to use drugs than those with secondary education or less (AOR = 2.1, 95% CI: 1.5–3.1, p < 0.001). These associations were statistically significant, indicating that marital status and educational level are important socio-demographic predictors of recreational drug use Conclusion The study stresses the need for drug education addressing health risks and social factors. Targeted interventions, including peer-influenced education and community support, are essential to reduce drug use among youths in Abraka. Nonetheless, future studies should address some limitations, such as examining the prevalence and predictors of recreational drug use in a more diverse demographic, including various age groups and gender representations, and reducing reliance on self-reported data regarding drug use behaviors and related health issues.

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)0,000
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 enseignants0,071
Score d'incertitude au seuil0,471

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,022
Tête enseignante GPT0,343
Écart entre enseignants0,321 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEmerging Trends in Drugs Addictions and HealthMême sujetSubstance Abuse Treatment and OutcomesTravaux en français237 207