The Fear of COVID-19, Demographic Factors, and Substance use in a Multinational Sample Amid the COVID-19 Pandemic
Notice bibliographique
Résumé
Abstract The global pandemic caused by the coronavirus disease 2019 (COVID-19) had mental health consequences such as fear. Scholars have argued that when people are fearful, they may use substances to escape from fear, and demographic variables can have implications on how to target interventions to people. To date, little is known about how the fear of COVID-19 and demographic factors may contribute to substance use amid the COVID-19 pandemic. From 3 June to 10 June 2020, a cross-sectional study was conducted with 202 residents (Mean age = 41.77 ± 11.85; age range = 18-70 years) in 14 countries. A standardized questionnaire was utilized for data collection, SPSS (version 22.0) was utilized for data analysis, and p < .05 implied statistical significance. Descriptive statistics revealed that residents in Canada scored the highest mean score in the fear of COVID-19 scale, while residents in Australia scored highest in the substance use scale. Further, fear of COVID-19 had a negative nonsignificant relationship with substance use (r = −.07; df = 200; p > .05). Males (Mean = 18.21) scored significantly higher than females (Mean = 14.06) in substance use [t (200) = 1.9; p < .05]. The younger age group (18-28 years) scored the highest mean score in substance use compared to older age groups (29-39 years, 40-50 years, 51-61 years, and 62-72 years); however, it was not significant [F (4, 197) = 2.04; p > .05]. These data contribute to informing future studies that add more questions regarding how different variables may contribute to substance use during subsequent waves of the COVID-19 pandemic.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».