Using decision trees to examine risk profiles for cannabis use among large samples of underage youth before and after cannabis legalization in Canada
Notice bibliographique
Résumé
• Cannabis never use increased in a 4-year period spanning cannabis legalization. • Current cannabis use decreased in a 4-year period spanning cannabis legalization. • Risk factors for current cannabis use changed from pre- to post-legalization. • Internalizing mental health conditions were important risk factors post-legalization. This paper compares risk profiles for cannabis use among large samples of youth in the school years preceding (2017–18, T 1 ) and four years following (2021–22, T 2 ) cannabis legalization in Canada. COMPASS Study data from students across 85 secondary schools that participated in both the T 1 and T 2 waves were used. A novel classification tree approach examined current cannabis use (past 30-day), modelling complex interactions among multiple risk factors simultaneously in the T 1 and T 2 samples. At T 1 , 15.0 % of students reported current cannabis use, compared to 12.3 % of students at T 2 . The classification tree at T 1 identified six unique risk profiles. The highest risk group (Pr = 0.269) was large (30.4 % of the sample) and comprised students who placed lower value on getting good grades and spent 45 min or more per day texting. The classification tree at T 2 identified 11 unique risk profiles. The highest risk group (Pr = 0.27) was large (18.8 % of the sample) and comprised students who again placed lower value on getting good grades but also reported not eating breakfast daily and having elevated anxiety. Cannabis never use increased and current cannabis use slightly decreased among underage youth in a 4-year period spanning cannabis legalization. The relative importance ranking of risk factors for predicting current cannabis use changed considerably from T 1 to T 2 . This suggests that prevention efforts need to adapt over time to target the relevant risk factors associated with cannabis use.
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 | 0,007 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 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) | 0,001 | 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 ».