Concurrent Experience of Self-Reported Mental Health Symptoms and Problematic Substance Use During the First Two Years of the COVID-19 Pandemic Among Canadian Adults: Evidence from a Repeated Nationwide Cross-Sectional Survey
Notice bibliographique
Résumé
This study was aimed at identifying the prevalence of concurrent experience, poor mental health and problematic substance use, and its associated factors, among Canadian adults during the COVID-19 pandemic. A nationwide repeated cross-sectional sample of 14,897 Canadian adults (quota-sampled, weighted) were recruited on ten occasions between October 2020 and March 2022 using online panels. Concurrent experience was defined as mild to severe symptoms of depression (Patient Health Questionnaire-9) and/or anxiety (Generalized Anxiety Disorder-7) AND meeting screening criteria for problematic cannabis (Cannabis Use Disorder Identification Test-Revised) and/or problematic alcohol use (Alcohol Use Disorder Identification Test). Multivariable binary logistic regression models were fitted to identify the associated factors of concurrent experience using Stata v14.2 SE software. The pooled prevalence of concurrent experience was 17.12%, and 45.54% of the participants reported at least one experience (mental health symptoms or problematic substance use). The highest prevalence of concurrent experience per province was reported in Saskatchewan (19.4%) and the lowest in Quebec (13.6%). Younger adults, male respondents, those identifying as 2SLGBTQ+, self-reporting ethnocultural minority status, diagnostic history of mental health and substance use disorder, suicidal ideation, and lower ability to handle unexpected/difficult situations were significantly associated with concurrent experience during the COVID-19 pandemic in Canada. This analysis showed that the COVID-19 pandemic significantly impacted mental health and substance use in interrelated ways. Data-driven province-specific interventions might be helpful toward a client-centered and integrated mental health and substance use care system in Canada.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».