These findings are consistent with results that have been reported for the general Brazilian population. Therefore, these findings should be taken into consideration when developing strategies at the prevention of drug use and the early identification of drug abuse among college students.
Objective: To estimate the frequency of polydrug use (alcohol and illicit drugs) among college students and its associations with gender and age group. Methods: A nationwide sample of 12,544 college students was asked to complete a questionnaire on their use of drugs according to three time parameters (lifetime, past 12 months, and last 30 days). The co-use of drugs was investigated as concurrent polydrug use (CPU) and simultaneous polydrug use (SPU), a subcategory of CPU that involves the use of drugs at the same time or in close temporal proximity.Results: Almost 26% of college students reported having engaged in CPU in the past 12 months. Among these students, 37% had engaged in SPU. In the past 30 days, 17% college students had engaged in CPU. Among these, 35% had engaged in SPU. Marijuana was the illicit drug mostly frequently used with alcohol (either as CPU or SPU), especially among males. Among females, the most commonly reported combination was alcohol and prescribed medications. Conclusions: A high proportion of Brazilian college students may be engaging in polydrug use. College administrators should keep themselves informed to be able to identify such use and to develop educational interventions to prevent such behavior.
CAPITULOI INTR oDI JC A oUma família de dista'ibuições, onde o algoiitmo Eh'l pode ser ilnplelnentado sem muitas dificuldades, é a failiília. de dista'ibuições naistuta de iioiinais na escala (Andiews e h 'lallows. 1974). Ul:na variável aleatória X, cuja distribuição peiteiice à esta família de distribuições, é caiactel-izEtda por sei função de duas vai'dáveis aleatórias il-Ldependentes, Z e r/, do seguinte Díodo X -P + K'/'(U)Z onde Z --]V(0,a2), n(.) é unia função conveniente de pesos (weágAt /uzzctáorz) e U é uma vaiiáve] aleatória positiva. Deste modo, definindo se, convenientemente, H(.) e U, obtélll se a distribuição de X. Esta distribuição pode sei', pol exenaplo, t Student, slasli, nonnal contaminada ou expo nencial potência (Longe e Sinsheimei, 1993). No contexto do algoritmo ETvl citado aiiteiionnente, convidei-a-se a variável X colmo os valores observados e a variável U como os valores faltantes.Outra fotnaa de estimação dos paiânletios é utilizei a infei'ência bayesiana. Todavia, o cálculo da distribuição a posteiioti envolve illtegtais, (lue podem não api'esentai uilla solução analítica, piincipalnlente sob a falta de normalidade. Unia. alternativa são os métodos de IVlonte Cano via Cadeias de li'laikov (MCh'lC .A/arcou chaãrz &/onde OarZo). Entre os naétodos deste tipo, os mais usados são o algoiitnlo de lvletiopolis llastings e o amostiadoi de Gibbs. Os dois são métodos iterativos (lue fotnecelai alliostias aproximadas da ctisttibuição a posteiioii dos palâmetl'os de interesse. Comuillente, utiliza-se o amostracloi de Gibbs e, quallclo as densidades a posteiioii colldicionais, i\ecessálias no anlostiadoi de Gibbs, não são collapletanleilte conllecidas, utiliza-se o algoiitmo cle IX,retlopolis-Hastings. Lacltos et al. ( 2009) inaplementanl a metodologia lvlCli'lC pala modelos cona erl'os nas vai-dáveis assinlétiicos Objetivos do 'Jlabalho Esta dissertação tem como objetivo desenvolvem algoiitnlos Elvt, pala encolltiai estilnadoies de llláxinla veiossimilhança num modelo cona eixos nas variáveis, estiutuial, linear e aditivo, cuja distribuição dos eixos são nlistuias de normais ila escala (t-Student, flash e nonnal contanlinacla). Além disto, colllpaiaiemos os estin)adobes, obtidos via algoiitmo Eh't, com os estillladoies obtidos via lvlCÀ'lC. E, hall)bém, seixo feitas simulações pala estudei o conlpoitamento dos estinaadoies, obtidos via algoiitnlo El\'l, sob o ponto de vista dos eixos médio e quadrático médio Organização do 'l.Yabalho No segundo capítulo, sela. int.iocluzida a família de distribuições nlistuia de notnlais na escala. Plovaillos, ta.inbénl, que as dist.libuições t Student, slasli e normal contaminada podem sei escritas coilio membros dest.a fatllília cle distribuições.No tetceíio capítulo, apresentamos o desenvolvimento do algoiitnlo Eh.l pala a situação de modelos discretos e sua ieplesentação a. paitil das duas etapas que caiacteiizai n o algoiitnlo (etapas E e h'l, lespectivanlente) . Discutiillos tainbéin a estiiriação dos parâmetros de lim modelo estatístico estimativas obtidas ...
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.