Co-Use of Alcohol and Cannabis During COVID-19: Associations Between Sociodemographic Factors and Self-Reported Mental Health Symptoms and Heavy Episodic Drinking in Canadian Adults
Notice bibliographique
Résumé
This study estimates the prevalence of co-use of alcohol and cannabis, assesses the sociodemographic risk factors of co-use, and examines the associations between mental health and heavy episodic drinking (HED) and alcohol–cannabis co-use in Canada during the early years of the COVID-19 pandemic. Nine successive cross-sectional surveys, held from May 2020 to January 2022, of adults (aged ≥18 years) living in Canada were pooled for 9011 participants. The prevalence of co-use was calculated across sociodemographic groups. Logistic regressions were used to assess associations. Alcohol–cannabis co-use was associated with a greater likelihood of engaging in HED and experiencing symptoms of anxiety, depression, and loneliness. The prevalence of co-use of alcohol was different across sociodemographic groups. The highest prevalence was among TGD people (35.5%), followed by individuals aged 18–39 years (14.5%). Additionally, being TGD (aOR = 3.61, 95% CI 2.09–6.25), separated/divorced/widowed (aOR = 1.60, 95% CI 1.23–2.07), living in an urban area (aOR = 1.26, 95% CI 1.07–1.56), and having a high household income (aOR = 1.41, 95% CI 1.09–1.82) increased the likelihood of reporting alcohol–cannabis co-use. These findings underscore the fact that developing public health and clinical interventions for preventing and treating excessive alcohol or cannabis use must consider both alcohol and cannabis use patterns and should be tailored to the highest-risk TGD and young adults.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».