Prevalence and correlates of cannabis abuse among vulnerable communities following multiple natural disasters
Notice bibliographique
Résumé
INTRODUCTION: Most individuals use cannabis for relaxation and may misuse this substance. Vulnerable communities who have experienced multiple traumas may be predisposed to cannabis abuse. Hence, more cannabis abuse is deserving of more attention. OBJECTIVES: To determine the prevalence and correlates of likely cannabis abuse among residents of Fort McMurray. METHODS: A cross-sectional survey design was adopted, employing an online questionnaire. Data were analyzed with SPSS version 25. Correlation analysis was conducted to assess likely cannabis abuse and its association with other mental health conditions. RESULTS: One hundred and eighty-sixed out of the two hundred and forty-nine completed the online survey, giving a response rate of 74.7%. The prevalence of self-reported cannabis abuse was 14%. Most of the participants were females (159, 85.5%), owned their houses (145, 78.0%), and 103 (60.6%) reported being exposed to at least a trauma (COVID-19, flooding, or wildfire). Rented accommodation predicted likely cannabis abuse (OR = 3.86; 95% CI: 1.34–11.14), males were more likely to abuse cannabis than the female gender (OR= 6.25; 95% CI: 1.89–20), and participants in a relationship were more likely to abuse cannabis (OR = 6.33; 95% CI: 1.67–24.39). There was a statistically significant association between depressive and anxiety symptoms and likely cannabis abuse. CONCLUSIONS: The study found an association between depression and anxiety symptoms with cannabis abuse among residents of the Fort McMurray population. Sociodemographic characteristics predispose individuals to problematic cannabis use. Vulnerable communities who have endured multiple disasters need psychological care and support to reduce and prevent cannabis abuse. DISCLOSURE OF INTEREST: None Declared
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».