Relationship between substance use and perceived mental health using Stats Can 2021 Data
Notice bibliographique
Résumé
During the COVID-19 pandemic, the use of substances and concerns about mental health have increased globally. For example, Czeisler and colleagues (2020) report that 13% of adults in the United States (during the year of 2020) increased their consumption of substances due to COVID-19 associated stress, and 11% of adults experienced thoughts of suicide in the past 30 days. A similar positive relationship between substance use and the pandemic was observed in France, Sweden, and England. Recent research purports that a change in people's lifestyle and living through moments of fear, and withdrawal from relationships and interactions as a result of social distancing are critical factors contributing to the negative health and social implications of COVID-19. The purpose of this research is to examine whether one's frequency and use of substances (e.g., alcohol, cannabis, and opioids) during the pandemic significantly predicts their subjective reporting of their overall mental health and their mental health now relative to pre-pandemic. Secondly, we sought to determine whether social connectedness and life satisfaction significantly moderates this relationship. We believe this is a critical relationship to investigate as unhealthy patterns developed during isolation periods of the pandemic and the resulting impact on mental health may have sustained effects in the long-run. It is plausible that individuals who have been able to maintain social connections throughout the pandemic were better able to cope with periods of isolation. This research will use the Canadian Perspective Survey Series 2021 from Statistics Canada, precisely the Substance Use and Stigma During the Pandemic dataset.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,007 | 0,005 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».