High-resolution examination of changes in drinking during the COVID-19 pandemic: Nine-wave findings from a longitudinal observational cohort study of community adults
Notice bibliographique
Résumé
Few multi-wave longitudinal studies have examined changes in drinking across extended periods of the coronavirus 2019 (COVID-19) pandemic. Using multiple indicators over three years, the current study examined: a) overall drinking changes; b) sex, income, age, and pre-COVID drinking level as moderators of changes; and c) the clinical significance of the observed changes. Using a longitudinal observational cohort design with nonclinical adults from the general community (N = 1395), assessments were collected over nine waves, two pre-COVID (April 2019 and October 2019) and seven intra-COVID (April 2020-April 2022). Drinking was measured as percent drinking days, percent heavy drinking days, and the Alcohol Use Disorders Identification Test (AUDIT) score. Clinically significant changes were defined based on the World Health Organization risk levels. All indicators exhibited significant changes from pre-pandemic to intra-pandemic periods, with drinking changes comprising early pandemic increases followed by subsequent decreases and AUDIT scores consistently declining. Pre-pandemic drinking level substantially moderated all changes. Heavier drinkers exhibited larger decreases compared to other drinking groups. In terms of clinically important changes, ∼10% of pre-pandemic abstinent or low-risk drinkers transitioned to medium- or high-risk status during the pandemic. In contrast, 37.1% of medium-risk drinkers and 44.6% of high-risk drinkers exhibited clinically significant decreases during the intra-pandemic period. Collectively, these findings highlight the multifarious impacts of the pandemic on drinking over time, comprising both increases and decreases in drinking behaviour.
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 | 0,013 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».