Associations between substance use and oppositional defiant disorder among U.S. adolescents: A national study of high-prevalence subgroups
这项针对超过22.6万名美国青少年进行的全国性研究发现，大麻使用与对立违抗障碍（ODD）具有最强的关联性，同时机器学习分析识别出使用酒精但不使用大麻的12至17岁男性青少年是患有ODD预测概率最高的亚群，这支持了在学校环境中进行针对性筛查的必要性。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一个巨大的图书馆，里面存放着超过22.6万名美国青少年的健康记录。来自南佛罗里达大学的研究人员决定通过筛选这些记录来回答一个特定的问题：反叛行为（如与权威争吵或表现出挑衅）与青少年使用药物或酒精之间有怎样的联系？
他们不仅仅是在寻找一个简单的“是或否”的答案。他们想要找出哪些特定的物质与这些行为有关，更重要的是，识别出哪些青少年群体处于最高风险之中。
以下是他们的发现，用简单的术语进行了拆解：
侦探工作：清理数据
在得出任何结论之前，研究人员必须扮演侦探的角色。在现实世界中，使用药物的青少年可能也更有可能面临其他问题（如家庭问题或不同的学校环境），这可能会干扰结果。
为了解决这个问题，他们使用了一种叫做**倾向评分匹配（Propensity Score Matching）**的统计工具。你可以把它想象成一种高科技的配对服务。他们选取了一名使用特定物质（例如大麻）的青少年，并在数据库中寻找一个在其他方面几乎完全相同的“双胞胎”——即在年龄、性别、背景等方面都极其相似，但并不使用该物质的人。通过对比这些匹配的配对，他们可以更有信心地认为，任何行为上的差异实际上是与物质使用相关的，而不是由其他隐藏因素引起的。
主要发现：“两大主角”
一旦数据经过清洗和匹配，有两种物质脱颖而出，显示出与对立违抗障碍（ODD，一种以愤怒、易怒和挑衅行为为特征的状况）之间的强关联。
- 大麻（Cannabis/Marijuana）： 这种联系最为强烈。使用大麻的青少年患有 ODD 的可能性明显高于不使用的“双胞胎”。研究人员计算出，大麻使用者出现此类行为问题的可能性高出约 60%。
- 酒精（Alcohol）： 酒精也显示出了联系，尽管程度比大麻小。与不饮酒者相比，饮酒者患有 ODD 的可能性略高。
“沉默”的物质：
研究还调查了可卡因和阿片类药物。然而，在这个庞大的数据集中，报告使用这些物质的青少年人数极少。由于样本量太小，研究人员无法确定是否存在某种联系。这就像试图通过观察仅仅两滴雨滴来预测天气一样；数据量不足以形成清晰的模式。
机器学习“水晶球”
为了进行更深入的研究，研究人员使用了机器学习（一种能够发现隐藏模式的计算机智能）。计算机并没有一次只看一件事，而是构建了一个“决策树”来观察不同因素是如何结合在一起创造出最高风险的。
想象一个流程图，它通过一系列问题将青少年分类到不同的风险等级中。计算机发现，最重要的几个问题是：
- 你是男孩还是女孩？（男孩面临更高风险）。
- 你是否使用大麻？
- 你是否饮酒？
- 你的年龄是多少？
最高风险群体：
计算机识别出了一个特定的群体，其患有 ODD 的“预测概率”最高（约为 20%）：
- 12–17 岁的男性青少年，报告使用酒精但未使用大麻。
第二高的风险群体是：
- 12–17 岁的男性青少年，报告使用大麻（但未提及酒精）。
有趣的是，风险最低的群体（仅约 1–2% 的概率）是 18–20 岁的女性青少年，她们既不饮酒也不使用大麻。
研究人员的结论
研究发现：
- 大麻与美国青少年的反叛行为有着最强的统计学联系。
- 酒精也有联系，尤其是在使用酒精但不使用大麻的 12–17 岁男孩身上。
- 机器学习是识别这些传统数学方法可能忽略的特定高风险群体的有用工具。
研究人员指出，由于这项研究观察的是一个时间点（单年数据），他们无法断定是药物导致了行为，或者是行为导致了药物使用。他们还承认，由于数据来自已经在心理健康系统中的人群，因此可能无法完美代表全国所有的青少年。
简而言之，这项研究表明，如果你正在寻找那些可能需要额外支持以应对行为问题的青少年，那么密切关注处于青春早期、饮用酒精或使用大麻的男孩是一个很好的切入点。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。