MétaCan
Menu
Retour à la cohorte
Enregistrement W4225337128 · doi:10.1037/pha0000560

Impact of COVID-19 on alcohol use disorder recovery: A qualitative study.

2022· article· en· W4225337128 sur OpenAlexaff
Molly L. Scarfe, Amanda K. Haik, Liah Rahman, Akshiti A Todi, Claire Kane, Alyna Walji, Sarah R. Dickerman, John F. Kelly, James MacKillop

Notice bibliographique

RevueExperimental and Clinical Psychopharmacology · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensSt. Joseph’s Healthcare Hamilton
Organismes subventionnairesNational Institute on Alcohol Abuse and Alcoholism
Mots-clésPsycINFOThematic analysisQualitative researchAlcohol use disorderCoronavirus disease 2019 (COVID-19)PsychologyPandemicClinical psychologyMedicineMEDLINEDiseaseAlcoholPolitical scienceSociology

Résumé

récupéré en direct d'OpenAlex

. Within each overarching theme, lower order parent themes and subthemes reflected varied participant experiences. Specifically, one group of participants cited negative impacts due to COVID-19, a second group reported positive impacts, and a third group reported experiencing both positive and negative impacts. Participants reported both positive and negative experiences with virtual resources, identifying suggestions for improvement and other resources. Findings suggest that while individuals in AUD recovery experienced significant hardships, a proportion experienced positive impacts as well, and the positive and negative consequences were not mutually exclusive. Additionally, the results highlight the limitations of existing virtual resources. (PsycInfo Database Record (c) 2023 APA, all rights reserved).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,184
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0170,000

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.

Tête enseignante Opus0,204
Tête enseignante GPT0,622
Écart entre enseignants0,418 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExperimental and Clinical PsychopharmacologyMême sujetCOVID-19 and Mental HealthTravaux en français237 207