Activités et types de jeux reliés aux problèmes de consommation de substances chez les jeunes
Bibliographic record
Abstract
La consommation de substances psychoactives (SPA) et la participation à des jeux de hasard et d’argent (JHA) font partie des conduites à risque à l’adolescence. Certaines études montrent que le fait de jouer à des JHA et celui d’éprouver des problèmes de JHA sont associés aux problèmes de consommation de SPA chez les jeunes, mais elles documentent peu quelles activités (nature et quantité) et types de JHA (Internet ou non-Internet) sont plus spécifiquement reliés aux problèmes de consommation de SPA à l’adolescence. Les travaux de la présente étude visent à explorer les liens entre les activités de JHA, le nombre de JHA et les types de JHA d’une part, et les SPA consommées ainsi que la gravité de la consommation de SPA, d’autre part. Pour ce faire, une étude a été réalisée entre 2007 et 2009 auprès de 1 870 élèves de la 3e à la 5e année du secondaire, âgés de 14 à 18 ans. Un questionnaire sur les habitudes de JHA (DSM-IV-MR-J) et un autre sur la consommation de SPA (DEP-ADO) leur ont été administrés. Les résultats montrent notamment que les jeunes polyconsommateurs (alcool et cannabis) s’adonnent aux JHA dans une proportion plus élevée que les consommateurs d’alcool seulement. Aussi, le fait de jouer avec des appareils de loterie vidéo (ALV) semble être associé à une gravité plus importante de la consommation de SPA que les autres activités de JHA. Par ailleurs, une gravité plus élevée de la consommation de SPA est manifestée chez ceux qui s’adonnent à un plus grand nombre d’activités de JHA différentes. Les jeunes jouant avec les ALV et ceux faisant des paris sportifs s’adonnent à un nombre moyen de JHA différents plus important. Enfin, les joueurs Internet de l’échantillon présentent des problèmes de consommation de SPA plus graves que les joueurs non-Internet. Les implications cliniques de ces résultats sont discutées.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 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".