Gravité de la consommation de psychotropes des adolescents ayant un trouble des conduites
Bibliographic record
Abstract
Bien que le trouble des conduites soit reconnu pour être le trouble le plus associé à une consommation problématique de psychotropes, relativement peu de recherches ont examiné les caractéristiques de cette consommation chez des jeunes ayant spécifiquement un diagnostic de trouble des conduites. À partir de plusieurs indicateurs de gravité de la consommation de psychotropes, l’étude propose de tracer un portrait de cette consommation chez des garçons et des filles présentant un trouble des conduites (N = 181) et de déterminer si ce portrait se distingue de celui d’autres jeunes dont les comportements antisociaux ne respectent pas les critères diagnostiques de ce trouble (N = 204). L’étude montre que les jeunes qui ont un trouble des conduites se distinguent des autres jeunes sur la presque totalité des indicateurs de gravité mesurés. L’usage de drogues dures, la fréquence élevée de la consommation et la présence de conséquences négatives liées à la prise des psychotropes sont les indicateurs les plus étroitement associés à la présence de ce trouble. Si ces résultats illustrent la gravité du portrait de consommation de ces jeunes, ils suggèrent aussi que la présence de conséquences négatives peut constituer un important levier pour l’intervention.
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".