Co-occurrence of depression, anxiety and increased alcohol use during the late stage of the COVID-19 pandemic in Saskatchewan, Canada: a cross-sectional survey
Notice bibliographique
Résumé
Background: Impact of the COVID-19 pandemic on mental health and substance use is well recognised. COVID-19 impacted Saskatchewan particularly hard as it has a higher prevalence of alcohol consumption than the national average. Our study investigated the prevalence and associated factors of co-occurrence of poor mental health and alcohol consumption (also referred to as dual experience) among Saskatchewan adults. Method: Cross-sectional data of 1034 eligible adults collected between July and November 2022, were analysed. Dual experience was defined as mild to severe symptoms of depression (Patient Health Questionaire-9) and/or anxiety (Generalised Anxiety Disorder-7) AND increased alcohol consumption during the later stage of COVID-19 pandemic. Multivariable binary logistic regression models were fitted to identify the factors that are associated with dual experience. Results: The prevalence of different forms of dual experience was 7.32% for depression and alcohol use, 6.09% for anxiety and alcohol use and 5.44% for co-occurrence of depression, anxiety and alcohol use. Dual experiences were less likely among participants from racialised groups, and more likely among those with household food insecurity, as well as concerns over alcohol consumption. Conclusion: Our analysis suggests that Saskatchewan adults are still experiencing poor mental health due to the impact of the COVID-19 pandemic, and a large proportion of people continue to consume alcohol at a higher rate than before the pandemic. Data driven interventions, for example, improving mental health and substance use treatment and counselling services, harm reduction strategies, especially targeting people living in food insecure households, are needed.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».