Substance-related coping behaviours among youth during the early months of the COVID-19 pandemic
Notice bibliographique
Résumé
As impacts of the COVID-19 pandemic continue to unfold, research is needed to understand how school-aged youth are coping with COVID-19-related changes and disruptions to daily life. Among a sample of Canadian youth, our objective was to examine the mental health factors associated with using substances to cope with COVID-19-related changes, taking account of expected sex differences. We used online data collected from 7150 students in the COMPASS study, during the early months of the COVID-19 pandemic (May–July 2020) in British Columbia, Ontario, and Quebec, Canada. We specified a sex-stratified, generalized linear mixed model to estimate the likelihood of engagement in substance-related coping behaviours, while testing for the effects of students’ mental health, individual characteristics, and school neighborhood characteristics. Twelve percent of students (13.4% of females, 9.9% of males) in our sample reported using cannabis, alcohol, cigarettes, and/or vaping to help cope with COVID-19-related changes. Regardless of sex, students with greater depressive symptoms were more likely to engage in substance-related coping (aORFemale = 1.04, 95 %CI[1.01–1.07]; aORMale = 1.06, 95 %CI[1.013–1.11]). Among females, better psychosocial wellbeing was protective against engagement in substance related-coping (aOR = 0.96, 95 %CI[0.94–0.98]), controlling for current substance use. Canadian school-aged youth with generally poor mental health may be more likely to have engaged in substance use to help cope with COVID-19-related changes during the first wave of the pandemic, and female youth may be at disproportionate risk of engaging in the behaviour. Ongoing evaluation of the impacts of COVID-19 on youth health is required.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».