Heavy episodic drinking and self-reported increased alcohol use during the COVID-19 pandemic: a spotlight on frontline and essential workers in Canada
Notice bibliographique
Résumé
INTRODUCTION: There is evidence that some frontline and essential workers have increased their alcohol use during the COVID-19 pandemic; however, this has not been examined in Canada. METHODS: Using the Survey on COVID-19 and Mental Health 2020, weighted prevalence and 95% confidence intervals of self-reported increased alcohol consumption and heavy episodic drinking were calculated for each of the population groups: frontline workers, essential workers, and nonfrontline or essential workers (NFEW). Logistic regression was used to examine the associations between social determinants of health, mental health and alcohol use for each group. RESULTS: The prevalence of increased alcohol consumption and past-month heavy episodic drinking did not differ across frontline workers, essential workers and NFEW. For the three groups, nonracialized group members had significantly higher odds for both outcomes. Screening positive for either generalized anxiety disorder or mood disorder was significantly associated with increased alcohol consumption across the three groups. For frontline and essential workers, females had significantly lower odds of heavy episodic drinking compared to males. For essential workers only, living in a rural area was significantly associated with lower odds of increased alcohol use, and screening positive for posttraumatic stress disorder was significantly associated with increased odds of heavy episodic drinking. For frontline workers only, living in a rural area was significantly associated with lower odds of heavy episodic drinking. CONCLUSION: While frontline and essential workers were not more likely to report increased alcohol consumption and heavy episodic drinking compared to NFEW, there were some differences in factors associated with alcohol use. Such findings demonstrate the benefit of examining each group separately to provide information for targeted prevention strategies.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».