Integrating Risk Factors for Substance Use Disorders: Applying a Gender Lens
Notice bibliographique
Résumé
The present study sought to understand the relationship between complex, multifaceted risk factors of substance use, including childhood maltreatment and coping strategies, and how they vary across gender and mental health outcomes including anxiety, depression, trauma, and quality of life. A sample of 257 treatment seeking individuals diagnosed with substance use disorder completed the following measures: the Diagnostic Assessment Research Tool, the Childhood Trauma Questionnaire, Coping Orientation to Problems Experienced Inventory, Alcohol Use Disorder Identification Test, Drug Use Disorder Identification Test, BEM Sex Role Inventory, World Health Organization Quality of Life, Generalized Anxiety Disorder 7, Patient Health Questionnaire-9, and PTSD Checklist for DSM-5. A latent profile analysis demonstrated that a four-profile model best fit the data, resulting in High Abuse, Low Emotional and Physical Abuse, High Emotional and Physical Abuse, and Low Coping profiles. No gender or substance use disorder severity differences were found between profiles. The High Abuse and High Emotional and Physical Abuse profiles had significantly worse mental health outcomes than the other profiles. In summary, within a sample of participants with a substance use disorder diagnosis, three of four latent profiles endorsed similar coping strategies. Further, profiles with higher levels of childhood maltreatment also reported worse mental health outcomes including, depression, trauma, and quality of life. These results may indicate that experience of childhood maltreatment is most useful to stratify individuals in clinical settings, particularly given that these profiles differed on key mental health outcomes. Gender identity and gender role differences were not indicated between profiles or outcomes. Areas for future research are discussed.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».