Déterminants et caractérisation de l’utilisation de cannabis à faible risque
Bibliographic record
Abstract
Introduction : Les nouvelles stratégies de réduction des risques encouragent les utilisateurs de cannabis à une utilisation à moindre risque, mais une lacune demeure dans la connaissance des caractéristiques et des comportements associés aux utilisateurs qui démontrent une utilisation à faible risque. Objectifs : Ce mémoire de maîtrise a pour objectifs de comparer les caractéristiques des utilisateurs de cannabis à faible risque avec celles des non-utilisateurs et des utilisateurs problématiques, et d'identifier les facteurs liés à une utilisation de cannabis à moindre risque. Méthodes : Les données de 731 adultes du 25e cycle de l'étude Nicotine Dependence in Teens (NDIT), débutée en 1999 à Montréal, ont été analysées. L'usage problématique de cannabis a été évalué via le Cannabis Abuse Screening Test (CAST). Différents facteurs, dont sociodémographiques, de santé mentale, de style de vie, et d'habitudes d’utilisation de cannabis, ont été examinés par régression log binomiale. Une analyse de sensibilité a été menée auprès des utilisateurs fréquents afin d'étudier la stabilité et la robustesse des résultats. Résultats : Près de la moitié (44 %) des participants ont déclaré avoir utilisé du cannabis l'année précédente à la récolte des données, dont 63 % étaient considérés comme des utilisateurs à moindre risque selon le CAST. Les utilisateurs de cannabis à moindre risque étaient plus susceptibles d'être des femmes, d'utiliser moins fréquemment le cannabis, d’utiliser simultanément de l'alcool et du cannabis, et de qualifier l'impact du cannabis sur leur santé mentale de neutre. Les utilisateurs réguliers qui utilisaient simultanément du cannabis et de l'alcool ou ceux qui adoptaient principalement des stratégies d'évitement étaient plus susceptibles de déclarer une utilisation de cannabis à moindre risque. Conclusion : Les utilisateurs de cannabis à moindre risque tendaient à ressembler davantage aux non-utilisateurs qu'aux utilisateurs problématiques. Bien que la fréquence d’utilisation de cannabis semble être un facteur important de l'usage problématique, d'autres variables, telles que le tabagisme, sont pertinentes pour comprendre l'usage à moindre risque.
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 | 0.002 | 0.015 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| 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) | 0.006 | 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".