Investigating the early impacts of the COVID-19 pandemic on modifiable risk factors for cancer and chronic disease: a repeated cross-sectional study in Alberta, Canada
Notice bibliographique
Résumé
OBJECTIVES: This study contributes to empirical evidence by examining the impact of the first and second waves of the COVID-19 pandemic on modifiable risk factors (MRF) and whether these patterns differ according to level of material deprivation among people living in Alberta. METHODS: Using data from a repeated cross-sectional provincial health survey (Alberta Community Health Survey (ACHS): 2018-2021), we conducted logistic regression analyses examining the impacts of the COVID-19 pandemic on meeting national guidelines on four MRFs (tobacco use, physical activity, fruit and vegetable consumption, alcohol use) (n=11,249). We compared population-level changes in MRFs from one year before the COVID-19 pandemic (March 2019-February 2020) to one year during the pandemic (March 2020-February 2021) in Alberta. We also assessed whether these trends differed by a measure of material deprivation. RESULTS: Compared to the pre-COVID-19 period, the fully adjusted odds of meeting recommended guidelines for fruit and vegetable consumption (OR=0.42) decreased during the pandemic. Individuals experiencing high material deprivation had lower odds of meeting recommended guidelines for physical activity (OR=0.65) and higher odds of not being current tobacco users (OR=1.36) during the pandemic versus during the pre-pandemic period. CONCLUSION: At a population level, analyses from the ACHS showed minimal impacts of the first year of the COVID-19 pandemic on MRFs, besides fruit and vegetable consumption. Yet, stratifying results showed statistically significant differences in pandemic impacts on MRFs by level of material deprivation. Therefore, understanding the influence of material deprivation on MRFs during the pandemic is key to tailoring future public health interventions promoting health and preventing cancer and chronic disease.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».