Programmes de prévention universelle et ciblée de la toxicomanie à l’adolescence : recension des facteurs prédictifs de l’efficacité
Bibliographic record
Abstract
Si les pratiques en toxicomanie ont évolué au cours du dernier siècle, la prévention dans ce domaine est encore bien récente au Québec. Ainsi, malgré un discours qui prône l’utilisation de programmes exemplaires, dans les faits, les programmes destinés aux adolescents sont encore trop souvent « intuitifs ». Le présent article a pour but, à partir de la littérature scientifique, de mettre à jour et de comparer les facteurs prédictifs de l’efficacité des programmes de prévention en toxicomanie chez les adolescents. La recension portera essentiellement sur les programmes de prévention développementale pour adolescents (12-17 ans), qu’elle soit universelle ou ciblée. Bien que récente, la littérature permet, en effet, certaines recommandations quant aux facteurs prédictifs de l’efficacité des programmes de prévention de la toxicomanie à l’adolescence. À qui devraient s’adresser les programmes de prévention à l’adolescence ? Quels animateurs devraient être privilégiés ? Quels types de programmes devrait-on offrir ? La présente recension a permis de mettre en lumière différents facteurs prédictifs de l’efficacité des pratiques selon qu’elles soient indiquées, mitigées ou contre-indiquées.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.016 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".