Microfacteurs associés à la consommation d’alcool et à la consommation excessive d’alcool chez les jeunes dans l’étude COMPASS (2012-2013 à 2017-2018)
Bibliographic record
Abstract
Introduction Cette étude a permis d’examiner les associations entre microfacteurs et consommation d’alcool ainsi que consommation excessive d’alcool au sein d’un vaste échantillon de jeunes Canadiens. Méthodologie Cette étude descriptive et analytique a porté sur les élèves du secondaire ayant participé à l’étude COMPASS entre 2012-2013 et 2017-2018. Nous avons utilisé la modélisation par équations d’estimation généralisées pour déterminer chez les répondants les associations entre les microfacteurs et la probabilité de consommer de l’alcool et de consommer de l’alcool de manière excessive plutôt que ne pas consommer d’alcool. Résultats Les élèves ayant déclaré consommer du cannabis étaient plus susceptibles de déclarer consommer de l’alcool plutôt que n’en avoir jamais consommé (rapport de cotes [RC] = 4,46; intervalle de confiance [IC] à 95 % : 4,33 à 4,60), comparativement aux élèves ayant indiqué ne pas consommer de cannabis. Les élèves ayant déclaré fumer du tabac étaient plus susceptibles de déclarer consommer de l’alcool de manière excessive plutôt que ne l’avoir jamais fait (RC = 2,52; IC à 95 % : 2,45 à 2,58), comparativement aux élèves non-fumeurs. Les élèves ayant déclaré disposer d’un revenu hebdomadaire de plus de 100 $ étaient plus susceptibles de déclarer consommer de l’alcool de manière excessive plutôt que de ne l’avoir jamais fait (RC = 2,14; IC à 95 % : 2,09 à 2,19), comparativement aux élèves ayant indiqué ne disposer d’aucun revenu hebdomadaire. Conclusion Un revenu disponible plus élevé, l’usage du tabac et la consommation de cannabis étaient associés à une consommation d’alcool et à une consommation excessive d’alcool chez les jeunes. Ces résultats peuvent éclairer la mise en place de mesures de prévention de l’usage de plusieurs substances dans les écoles secondaires.
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 | 0.003 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
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".