Exploring the Links between Motivations to Engage in Sexualized Drug Use and Sexo-Relational Correlates: A Cross-Sectional Study
Notice bibliographique
Résumé
Sexualized drug use (SDU) has been associated with various motivations (e.g. coping with emotional distress, enhancing sexual functioning) and factors related to sexo-relational well-being (e.g., sexual satisfaction, performance anxiety). However, there is a lack of comprehensive models exploring associations between motivations for SDU and sexo-relational correlates. This study examined motivations related to SDU and their associations with sexo-relational correlates (e.g., sexual satisfaction, compulsivity). A community sample of 1,196 adults from Quebec completed an online survey on sexual health, including a questionnaire on SDU and related motivations and validated questionnaires on sexual satisfaction, sexual performance anxiety, body shame, discomfort with sexual communication, sexual compulsivity, and a history of childhood sexual abuse (CSA). Exploratory factor analyses (EFA) were performed on the SDU motivations questionnaire, followed by path analysis to test for sexo-relational correlates motivation domains. The EFA revealed four SDU motivations: increasing satisfaction and sensations (Factor 1), increasing sexual self-esteem (Factor 2), mitigating distress (Factor 3), and increasing sexual responsiveness and functioning (Factor 4). Higher performance anxiety and sexual compulsivity were associated with higher scores on all four motivation factors. Greater body shame was positively linked to Factors 2 and 3 and negatively to Factor 4. Sexual satisfaction, discomfort with sexual communication, and CSA were, respectively, uniquely associated with Factors 1, 3, and 4. The results provide insight into the heterogeneity of motivations for SDU and into the relationship between these motivations and sexo-relational well-being.
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 | 0,001 | 0,000 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».