Potentially addictive behaviours increase during the first six months of the Covid-19 pandemic
Notice bibliographique
Résumé
Background and aims: In this study we aimed to assess multiple potentially addictive behaviours simultaneously for an extended period of time during the Covid-19 pandemic and their relation to distress. Methods: Data were collected every three days from Amazon's MTurk between 26.03.2020 and 02.10.2020 in repeated cross-sectional samples of 25 participants resulting in a total sample of 1430 US adults (60% men, mean age 36.6 years, SD = 11). General distress and Covid-19 related fear were assessed as well as self-reported frequency of eight potentially addictive behaviours: shopping (compulsive buying), alcohol, smoking, legal substances, illegal substances, gambling, gaming and overeating. Results: We found a positive relationship between time and the frequency of each self-reported potentially addictive behaviour ( τ = 0.15-0.23, all P < 0.001), and their frequency is linearly related to the intensity of (Covid-19-related and general) distress ( τ = 0.12-0.28, all P < 0.001). Most popular activities were gaming and compulsive buying, and the relative frequency of the behaviours remained about the same during the data collection period. Discussion: It is possible that people seek other maladaptive substitutes when other coping mechanisms (e.g. social recreation) are hindered depending on their level of distress. Conclusion: Given the evidence for the increasing frequency of potentially addictive behaviours and their relevance to distress, special attention needs to be paid to reduce potential harmful effects of maladaptive coping during and after this demanding period.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».