Alcohol and substance use among first-year students at the University of Nairobi, Kenya: Prevalence and patterns
Notice bibliographique
Résumé
Increase in alcohol and substance use among college students is a global public health concern. It is associated with the risk of alcohol and substance use disorders to the individual concerned and public health problems to their family and society. Among students there is also the risk of poor academic performance, taking longer to complete their studies or dropping out of university. This study determined the prevalence and patterns of alcohol and substance use of students at the entry to the university.A total of 406 (50.7% male) students were interviewed using the Assessment of Smoking and Substance Involvement Test (ASSIST) and the Alcohol Use Disorder Identification Tool (AUDIT). Bivariate logistic regression analyses were used to examine associations between substance use and students' socio-demographic characteristics. Multivariate logistic regression analysis was conducted to examine the predictors of the lifetime and current alcohol and substance use.Lifetime and current alcohol and substance use prevalence were 103 (25%) and 83 (20%) respectively. Currently frequently used substances were alcohol 69 (22%), cannabis 33 (8%) and tobacco 28 (7%). Poly-substance use was reported by 48 (13%) respondents, the main combinations being cannabis, tobacco, and alcohol. Students living in private hostels were four times more likely to be current substance users compared with those living on campus (OR = 4.7, 95% CI: 2.0, 10.9).A quarter of the study respondents consumed alcohol and/or substances at the entry to university pushing the case for early intervention strategies to delay initiation of alcohol and substance use and to reduce the associated harmful consequences.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».