Marijuana trajectories and associations with driving risk behaviors in Canadian youth
Notice bibliographique
Résumé
Objective: Research on risky driving practices involving marijuana use among youth and young adults often relies on cross-sectional data, which fail to account for longitudinal changes in substance use patterns. A better understanding of the longitudinal patterns of marijuana use and its effect on risky driving practices during young adulthood is needed in order to better inform prevention efforts. The current study examined whether different longitudinal patterns of marijuana use across the transition from adolescence to young adulthood are associated with impaired driving risks in young adulthood. Methods: Data were from the longitudinal Victoria Healthy Youth Survey, which interviewed youth biennially on 6 occasions across 10 years (2003 to 2013). Results: Youth who reported consistently high levels of marijuana use from adolescence to young adulthood (chronic users) and youth who reported increasing levels of use across this period (increasers) were more likely to engage in risky impaired driving behaviors compared to the other 3 user groups (occasional users, decreasers, and abstainers). Frequency of marijuana use was also predictive of impaired driving risks in young adulthood after controlling for individual characteristics (age, sex, socioeconomic status, age of onset of marijuana use), frequency of other substance use (heavy episodic drinking and illicit drug use), and simultaneous use of marijuana and other substances (alcohol and illicit drugs). By young adulthood, youth who use marijuana more than once a week are more likely to simultaneously use alcohol and engage in heavy episodic drinking. They are also more likely take driving risks. Conclusions: Harm reduction strategies and legislative approaches targeting impaired driving risks associated with marijuana use should include approaches to target these high-risk groups and to reduce simultaneous use of alcohol.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 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) | 0,003 | 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 ».