Jeunes et cannabis : comment peuvent-ils se protéger? : revue de portée des stratégies de réduction des méfaits relatives à la consommation de cannabis chez les jeunes
Bibliographic record
Abstract
Au Québec, plus de 70 % des jeunes en difficulté (jeunes vivant une difficulté ou ayant besoin d’une aide quant à leur développement) consomment du cannabis plus d’une fois par semaine. Le recours à des stratégies de réduction des méfaits (RDM), une approche visant la diminution des conséquences néfastes de l’usage des drogues, peut contribuer à protéger ces jeunes des éventuels effets négatifs liés à leur consommation. Cependant, l'application de telles stratégies par cette population présente des défis, en raison de leurs ressources et compétences souvent limitées pour les mettre en oeuvre. De plus, leur âge les empêche d'utiliser certaines stratégies de RDM qui exigent l'accès à du cannabis légal et contrôlé. Ce mémoire a pour objectif de répertorier l’ensemble des stratégies de RDM du cannabis pouvant être adoptées par les jeunes en difficulté. Dans cette visée, une revue de portée suivant le protocole PRISMA-ScR a été menée via deux évaluations indépendantes. Les critères d’inclusion comprenaient les documents de tous types, publiés depuis 1990 et faisant mention de stratégies individuelles de RDM du cannabis. Les résultats obtenus ont été synthétisés et interprétés via une analyse thématique de contenu. Au total, 4711 documents ont été identifiés, parmi lesquels 160 documents ont été retenus suite à la lecture des résumés. La lecture des textes complets a permis de conserver 48 documents. Au final, 72 stratégies ont été répertoriées et regroupées dans 10 catégories: 1) Abstinence; 2) Approvisionnement; 3) Conditions individuelles particulières; 4) Conduite de véhicule moteur; 5) Contenu du produit; 6) Contexte et environnement social; 7) Fréquence et quantité; 8) Méthode de consommation; 9) Moment/motif et 10) Post-consommation. Ces résultats fournissent une vue d'ensemble des stratégies actuelles de RDM associées à la consommation de cannabis. Nos résultats contribueront à améliorer les pratiques en matière de santé publique, en fournissant aux intervenants de tous types de milieux un répertoire de stratégies concrètes à partager auprès des jeunes en difficulté utilisateurs de cannabis, les outillant dans la prévention et la réduction des risques et des méfaits.
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 | 0.107 | 0.152 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.003 | 0.004 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.005 | 0.005 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.005 | 0.003 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.014 | 0.002 |
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".