Changes in Alcohol Use in Denmark during the Initial Months of the COVID-19 Pandemic: Further Evidence of Polarization of Drinking Responses
Notice bibliographique
Résumé
INTRODUCTION: The year 2020 was marked by the COVID-19 pandemic. Policy responses to COVID-19 affected social and economic life and the availability of alcohol. Previous research has shown an overall small decrease in alcohol use in Denmark in the first months of the pandemic. The present paper focused on identifying which subgroups of individuals had decreased or increased their consumption. MATERIALS AND METHODS: Data were collected between May and July 2020 (n = 2,566 respondents, convenience sample). Weights were applied to reflect the actual Danish general population. Variables included the pre-pandemic alcohol consumption, change in alcohol consumption in the past month, socio-demographics, and reported economic consequences. Responses to a single item assessing changes in alcohol consumption in the past month were classified as no change, increase, or decrease in consumption. Regression models investigated how changes in consumption were linked to pre-pandemic drinking levels, socio-demographics (gender, age groups, education), and reported economic consequences. RESULTS: While 39% of participants reported decreased consumption levels and 34% had stable levels, 27% increased consumption. Characteristics associated with changes in consumption were associated with both increases and decreases in consumption: younger people, those with higher consumption levels before the pandemic, and those with lower education more often both reported increases as well as decreases in consumption. DISCUSSION/CONCLUSIONS: We confirmed that more people decreased rather than increased their alcohol consumption in the first few months of the pandemic in Denmark. Characteristics associated with changes in consumption such as younger age, higher consumption levels, and lower education demonstrated a polarization of drinking since these were associated with both increases and decreases in consumption. Public health authorities should monitor alcohol use and other health behaviours for increased risks during the 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 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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».