Facteurs de risque de l'initiation précoce à la consommation de cannabis à l'adolescence
Bibliographic record
Abstract
L’adolescence est une période à risque pour le développement des conduites addictives de consommation. Après l’alcool, le cannabis est une des substances la plus fréquemment consommée par les adolescents. Elle est associée à des impacts négatifs, autant sur le plan psychologique que sur le plan neurophysiologique. Entre autres, l’usage du cannabis est lié à l’apparition de psychoses en plus d’être associé à une altération de la mémoire et de l’attention. Ainsi, les facteurs qui mènent à l’initiation précoce de la consommation de cannabis, particulièrement à l’adolescence, doivent être mieux compris afin d’éviter les conséquences immédiates et potentielles à moyen ou long terme. L’objectif de cet article est de décrire les principaux facteurs de risque qui peuvent mener à l’initiation précoce et de mieux comprendre les mécanismes neurophysiologiques impliqués dans la dépendance au cannabis. Les différences interpersonnelles de même que les influences familiales et des pairs dans la consommation de cannabis sont plus particulièrement abordées. Puisque ces facteurs de risque montrent un potentiel de prévention efficace, des interventions préventives sont enfin suggérées.
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 | 0.000 | 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 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".