Factors associated with lower-risk cannabis use in adults in their mid-thirties
Notice bibliographique
Résumé
BACKGROUND: Harm reduction strategies encourage people who use cannabis to adopt lower-risk behaviors, such as refraining from daily or intensive use or limiting simultaneous use with other psychoactive substances. However, little is known about the characteristics of people who use cannabis but are at lower risk of cannabis use disorder (CUD). This study identified sociodemographic, lifestyle, and mental health factors associated with lower-risk cannabis use among adults in their mid-thirties. METHODS: Cross-sectional data from 731 adults in the Nicotine Dependence in Teens study were analyzed from the 2022-2023 data collection. Risk of CUD was assessed with the Cannabis Abuse Screening Test (CAST). Sociodemographic, mental health, lifestyle factors, and patterns of cannabis use were compared across participants who did not use cannabis, those with lower-risk cannabis use, and those at higher risk of CUD using cross-tabulations. Among participants who used cannabis, log-binomial regression models adjusted for age, sex, and education were fitted to identify factors associated with lower-risk cannabis use. RESULTS: Of 731 participants (mean [SD] age = 35.3 [0.6] years; 58% female), 44% reported past-year cannabis use, including 63% classified as lower risk and 37% at higher risk of CUD. Compared with other participants, those at higher risk of CUD were more often male and had lower levels of education. Several mental health indicators were less favorable among participants at higher risk of CUD, who also reported a higher prevalence of cigarette smoking. In multivariable models, being female and simultaneous cannabis and alcohol use were associated with a higher prevalence of lower-risk cannabis use, whereas higher frequency of cannabis use, simultaneous cannabis and tobacco use, cigarette smoking, and GAD-7 scores > 10 were associated with a lower prevalence. CONCLUSION: Participants with lower-risk cannabis use resemble participants who do not use cannabis more than participants at higher risk of CUD. While use frequency is key, other factors, such as cigarette smoking, distinguish higher CUD risk from lower-risk cannabis use. Findings underscore the importance of harm reduction strategies and evidence-based education for cannabis-related policies.
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 | 0,000 | 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 | 0,000 |
| 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) | 0,002 | 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 ».