Habitudes de consommation de substances psychoactives chez les adolescents et jeunes adultes autistes
Bibliographic record
Abstract
La légalisation du cannabis étant récente au Canada, les intervenants en autisme sont préoccupés par la consommation des adultes autistes qui sont plus à risque de développer une dépendance. L’automédication de l’anxiété et les difficultés d’inclusion sociale pourraient encourager la consommation de cannabis. Cette étude vise à décrire les habitudes de consommation de substances psychoactives (SPA ; tabac, alcool, cannabis, autres drogues) et leurs conséquences chez les personnes ayant un diagnostic de trouble de spectre de l’autisme (TSA) âgées de 16 à 30 ans. Une enquête en ligne par questionnaire a été complétée par 65 adolescents et adultes (âge moyen = 21,4 ans) ayant un TSA (32 hommes et 33 femmes). La consommation de SPA a été mesurée à l’aide du DEP-ADO version 3.3 (Germain et al., 2016) adaptée. Fait marquant, 36,9 % des personnes autistes (12 hommes et 12 femmes) rapportent n’avoir rien consommé (alcool, tabac et drogues) au cours des 12 derniers mois. Les personnes autistes qui consomment rapportent une consommation accrue de cannabis (quotidienne) et d’autres drogues. Pourtant, la gravité de leur consommation est comparable à leurs pairs non autistes selon les données disponibles dans la littérature. Par ailleurs, la prévalence de consommation problématique est très faible dans la population autiste (7,7 %). Les principales conséquences rapportées concernent la perte d’argent, les difficultés de santé et les conduites à risque. Les filles ayant un TSA mentionnent vivre davantage de conséquences quant aux conduites à risque liées à leur consommation de SPA. Des recommandations cliniques pour l’accompagnement des personnes autistes et de leurs proches ainsi que des pistes de recherches futures sont proposées.
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 | 0.002 |
| 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) | 0.001 | 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".