When asking ‘are you stressed?’ is not enough: Hair cortisol, subjective stress, and alcohol use during the first year of the pandemic
Notice bibliographique
Résumé
The onset of the COVID-19 pandemic was accompanied by an increase in alcohol use in a third of the population worldwide. To date, the literature shows that subjective reports of stress predicted increased alcohol use during the early stages of the pandemic. However, no studies have investigated the effect of physiological stress (via the stress hormone cortisol) on alcohol use during the pandemic. This study aimed to identify the predictive value of cortisol and/or subjective stress on alcohol use during the first year of the pandemic. Every three months, between June 2020 and March 2021, 79 healthy adults (19-54 years old) answered online questionnaires assessing alcohol use. In May 2020, participants reported pre-pandemic alcohol use, while in June 2020, participants reported current alcohol use, subjective stress measures, and provided a 6 cm hair sample. The latter allowed us to quantify the cumulative levels of cortisol produced in the three months prior to and following the start of the mandatory lockdown measures in March 2020 in Quebec, Canada. A relative change in hair cortisol was computed to quantify the physiological stress response. While controlling for sex, age, and psychiatric diagnoses, multilevel linear regressions revealed that alcohol use increased only among people with concomitant high subjective stress and elevated hair cortisol concentrations. Moreover, this increased alcohol use remained elevated one year later. This study documents the importance of simultaneously considering stress biomarkers and subjective stress to identify people at risk of increasing their alcohol use during major stressful life events.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».