MétaCan
Menu
← Retour à la cohorte
Enregistrement W4401210311 · doi:10.1101/2024.07.31.24311291

Changes in self-reported alcohol consumption at high and low consumption in the wake of the COVID-19 pandemic: A test of the polarization hypothesis

2024· preprint· en· W4401210311 sur OpenAlexaff
Alexander Tran, Huan Jiang, Shannon Lange, Mindaugas Štelemėkas, Daumantas Stumbrys, Ilona Tamutienė, Jürgen Rehm

Notice bibliographique

RevuemedRxiv · 2024
Typepreprint
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensCanada Research ChairsUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesnon disponible
Mots-clésDecilePandemicCoronavirus disease 2019 (COVID-19)PopulationAlcohol consumptionDemographyMedicineConsumption (sociology)Mental healthEnvironmental healthPublic healthAlcoholDiseasePsychiatryInternal medicineInfectious disease (medical specialty)Chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Background The Coronavirus Disease 2019 (COVID-19) pandemic and associated public health measures had an impact on alcohol use. Based on the literature of past crises (health, economic, etc.), it was hypothesized that the COVID-19 pandemic led to a polarization of drinking–that is, heavy drinkers increased their drinking, while light to moderate drinkers decreased their drinking and/or temporarily abstained. The aim of the current study was to test the respective hypothesis. Methods Data from the Reducing Alcohol Related Harm Standard European Alcohol Survey for Lithuania were obtained for 2015 and 2020. Average daily consumption (in grams per day) was decomposed into deciles for each year, and compared pre-COVID to onset-of-COVID pandemic across the highest, second highest, and lowest deciles. A comparison of population-levels of mental health was conducted between pre-COVID and the onset-of-COVID. Results The findings indicated that overall, there was higher consumption in 2015, M 2015 = 11.49 (SD = 8.23) vs. M 2020 = 10.71 (SD = 12.12), p < .00001. However the opposite was found in the highest decile M 2015 = 29.26 (SD = 5.44) vs. M 2020 = 39.23 (SD = 20.58), p = .0003. This reversal pattern was not observed in the second highest nor the lowest decile. There was a lower proportion of respondents indicating “bad” mental health pre- vs.post-COVID (3.4% vs. 6.5%). Conclusion Although COVID was associated with nationwide declines in alcohol consumption, this was not the case for all segments of the population. In Lithuania, it appears that there was an increase in consumption among the heaviest drinkers, supporting the polarization hypothesis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,149
Tête enseignante GPT0,390
Écart entre enseignants0,241 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetCOVID-19 and Mental Health→Travaux en français237 207→