Étude transversale sur l’utilisation des médias sociaux chez les consommateurs de cannabis au Québec
Notice bibliographique
Résumé
BACKGROUND : Social media platforms have transformed society, being used by a majority of adults in Québec (Canada), half of which report spending too much time on them. Cannabis is one of the most widely consumed psychoactive substances, and its use has been on the rise since it was legalized in Canada in 2018. The use of social media and cannabis represent emerging public health concerns. This cross-sectional study aims to describe the social media use profile and identify factors associated with problematic social media use (PSMU) among recreational cannabis users in Quebec. METHODS : In 2024, 1406 participants were recruited online via stratified random sampling and completed a self-reported questionnaire, including validated instruments measuring PSMU, social media use, cannabis and psychoactive substance use, online fear of missing out, depression and anxiety. A binary logistic regression model was developed, with PSMU as the dependent variable, and included variables of interest such as age and sex. RESULTS : Prevalence of PSMU was 27.9%. Significant associations were noted between PSMU and age 18–20 years (aOR = 4.24, 95% CI 1.36–13.19), male sex (aOR = 2.01, 95% CI 1.36–2.99), risk for problematic cannabis use (aOR = 1.10, 95% CI 1.05– 1.14), online fear of missing out (aOR = 1.16, 95% CI 1.14–1.18), and depressive symptoms (aOR = 1.05, 95% CI 1.02–1.09). The association between PSMU and the use of social media platforms was positive for Telegram (aOR = 3.11, 95% CI 1.86–5.21), TikTok (aOR = 2.62, 95% CI 1.84–3.72), Twitter (aOR = 1.59, 95% CI 1.05–2.40) and Facebook Dating (aOR = 1.61, 95% CI 1.02–2.55), and inverse for Snapchat (aOR = 0.61, 95% CI 0.39–0.93) and Threads (aOR = 0.26, 95% CI 0.12–0.55). CONCLUSION: The prevalence of PSMU among cannabis users is higher than the estimates for the general population in Québec, although these groups are distinct. Our results indicate a differential association between PSMU and the use of specific social media platforms. The probability of presenting this issue varies depending on the sociodemographic profile, risk for problematic cannabis use and mental health profile. This study highlights the importance of considering social media as a heterogeneous entity in the context of PSMU. A digital harm-reduction strategy, targeting at-risk groups, and tailored to the specificity of each social media platform, could represent a promising avenue of research and intervention for public health organizations and stakeholders.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».