MétaCan
Menu
Retour à la cohorte
Enregistrement W4417465569 · doi:10.1001/jamanetworkopen.2025.50176

Selective Personality-Targeted Intervention and the Escalation of Substance Use During Adolescence

2025· article· en· W4417465569 sur OpenAlexaffabout
Samantha Lynch, Sherry H. Stewart, Patricia Conrod

Notice bibliographique

RevueJAMA Network Open · 2025
Typearticle
Langueen
DomainePsychology
ThématiquePersonality Traits and Psychology
Établissements canadiensDalhousie UniversityUniversité de MontréalCentre Hospitalier Universitaire Sainte-Justine
Organismes subventionnairesnon disponible
Mots-clésSubstance useIntervention (counseling)Substance abuseAddictionMEDLINE

Résumé

récupéré en direct d'OpenAlex

Importance: Substance use is a leading cause of burden of disease worldwide. Selective prevention programs can help reduce the development of problematic substance use and disorders. Objective: To examine effects of a selective, personality-targeted substance use prevention program on alcohol, cannabis, tobacco, nonmedical opioid, and illicit polysubstance use among adolescents with elevated levels of personality traits associated with frequent and risky substance use. Design, Setting, and Participants: This prespecified secondary analysis of a cluster-randomized clinical trial assessed the effectiveness of a personality-targeted cognitive-behavioral intervention (PreVenture) in reducing substance use during adolescence. Participants included grade 7 students attending 31 secondary schools in the Greater Montreal Area, Canada (2012-2013 school year), who screened as having elevated levels of anxiety sensitivity, hopelessness, impulsivity, or sensation seeking. Schools were randomized to either the intervention (15 schools) or the control group (16 schools). Data were analyzed in January to March 2025. Interventions: Schools delivered a 2-session, personality-targeted group-based cognitive-behavioral intervention designed to help students recognize, challenge, and manage personality-specific emotions, behaviors, and cognitions associated with substance use in adolescence. Main Outcomes and Measures: Self-reported frequency of alcohol, cannabis, smoking tobacco, nonmedical use of opioids, and illicit polysubstance use were measured by the Detection of Alcohol and Drug Problems in Adolescents. Results: A total of 3861 students from 31 schools were screened; 1669 students (847 [50.7%] female; mean [SD] age, 12.83 [0.47] years) were at elevated risk of substance use and included in the intention-to-treat sample. The 31 schools were randomized, with 16 schools with 964 students in the control group and 15 schools with 705 students in the intervention group. Multilevel bayesian mixed-effects models indicated that students in the intervention group had slower increases in the frequency of alcohol (odds ratio [OR], 0.92; 95% credible interval [CrI], 0.85-1.00), cannabis (OR, 0.75; 95% CrI, 0.66-0.86), tobacco smoking (OR, 0.79; 95% CrI, 0.70-0.96), and illicit polysubstance use (OR, 0.56; 95% CrI, 0.35-0.89) over 4 years. Effects did not differ by sex. Conclusions and Relevance: This secondary analysis of a cluster-randomized clinical trial found that personality-targeted interventions protected against the escalation in substance use during adolescence, with similar effects for males and females. Trial Registration: ClinicalTrials.gov Identifier: NCT01655615.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0020,000

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 Opus0,028
Tête enseignante GPT0,331
Écart entre enseignants0,302 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetPersonality Traits and PsychologyTravaux en français237 207