Utilisation de produits psychoactifs pour améliorer la performance intellectuelle ou physique en milieu postsecondaire
Bibliographic record
Abstract
Contexte. La prévalence de consommation de produits dopants chez les jeunes adultes est une préoccupation grandissante dans le champ de la santé publique, en particulier pour les autorités universitaires et sportives, les professeurs et les professionnels de la santé. Méthodes. Un échantillon de 469 étudiants et étudiantes âgés de 18 à 24 ans ont rempli un questionnaire portant sur la consommation d’alcool et de tabac, l’utilisation des produits dopants et les motivations de cette utilisation. Des régressions logistiques multiples ont permis d’étudier les associations entre la consommation de ces produits et certaines variables socioéconomiques et académiques. Résultats. Les trois quarts des étudiants ont consommé au moins un produit au cours de la dernière année, autre que l’alcool, pour améliorer leur performance physique ou intellectuelle. Ces produits incluent, entre autres le cannabis (25,0 %), les boissons énergisantes (38,0 %), les suppléments de protéines et de créatine (22,0 %) et les comprimés de caféine (13,0 %). Les étudiants inscrits dans une ligue de sport sont plus susceptibles de consommer de l’alcool et du cannabis que les étudiants qui ne fréquentent pas de ligues. Nous notons aussi des associations entre le groupe ethnolinguistique et la consommation d’alcool, de comprimés de caféine, de boissons énergisantes, de mélanges d’alcool et de boissons énergisantes ou d’alcool et de drogues. Les motivations associées à la consommation sont principalement la réduction du stress et le fait de rester éveillé. Conclusion. Des stratégies de sensibilisation aux dangers de consommer de tels produits doivent être développées sur les campus des universités canadiennes selon les pratiques des étudiants de diverses origines ethnolinguistiques et auprès des populations vulnérables, tels les athlètes.
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 | 0.003 |
| 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 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 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".