Understanding the Relationships between ADHD Symptoms and Cannabis-Related Consequences among Young Adults
Notice bibliographique
Résumé
Objective: The link between attention-deficit/hyperactivity disorder (ADHD) and cannabis-related problems is well documented, though research has primarily focused on cannabis use disorder (CUD) or cannabis consequences in aggregate. This study examined how inattentive (IN) versus hyperactive/impulsive (HI) ADHD symptoms relate to CUD symptoms as well as distinct domains of cannabis consequences (social-interpersonal consequences, impaired control, negative self-perception, self-care, risk behaviors, academic/occupational consequences, physical dependence, and blackout use) in young adults. Total amount of cannabis flower used over the past 90 days was explored as a potential mediator of these associations. Method: = 2.06) with a history of regular cannabis use completed self-report measures of ADHD symptoms and cannabis consequences. Participants also completed a 90-day Timeline Follow Back assessing grams of cannabis flower consumed each day, along with a structured clinical interview for CUD. Results: IN symptoms were directly associated with cannabis-related occupational/academic consequences, self-care consequences, and blackouts/memory impairment, independent of quantity of cannabis consumption. HI symptoms showed positive indirect associations with physical dependence, impaired control, and CUD through greater amount of cannabis used. Conversely, IN symptoms had negative indirect associations with these outcomes, mediated by amount of cannabis used. Conclusions: Findings reveal distinct pathways through which IN and HI ADHD symptoms relate to cannabis problems in young adults. Findings highlight the need to consider ADHD symptom domains separately when assessing specific cannabis-related risks, which may have implications for tailoring interventions.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».