Associations between Public Health Measure Adherence and Changes in Alcohol Use among Older Canadians During the COVID-19 Pandemic from the Canadian Longitudinal Study on Aging (CLSA)
Notice bibliographique
Résumé
Objectives: To evaluate associations between public health measure adherence and changes in alcohol consumption and binge drinking during the COVID-19 pandemic and identify potential modifiers of these associations. Methods: A longitudinal study was conducted using the Canadian Longitudinal Study on Aging Baseline, Follow-Up 1, and COVID-19 Questionnaires (N=23,615). Multinomial logistic regression was used to examine associations between public health measure adherence (including self-quarantine, public gathering attendance, leaving home, mask-wearing, and handwashing) and 1) self-reported alcohol consumption changes during the first year of the pandemic 2) prospectively measured alcohol consumption changes from 2015-2018 to early pandemic (2020), and 3) prospectively measured changes in binge drinking events from 2015-2018 to early pandemic. Models were adjusted for sex, age, education, marital status, region, income, immigration status, and racial background. Results: During the first year of the pandemic, 13% (N=2,733) of participants self-reported increased alcohol use, while 13% (N=2,921) reported decreased use. Prospective measures suggested 19% (N=4,421) increased and 35% (N=7,971) decreased use, while 13% (N=1,427) increased and 18% (N=1,953) decreased binge drinking events. Compared to low public health measure adherence, high adherence was not associated with self-reported changes in alcohol use, with prospectively measured increased alcohol use, or with prospectively measured changes in binge drinking. However, high adherence was associated with higher odds of prospectively measured decreased alcohol use (aOR=1.17; 95% CI=1.05, 1.29). Conclusion: Higher public health measure adherence during the COVID-19 pandemic was not associated with increased alcohol use, suggesting that adherence did not negatively impact alcohol consumption. Findings may inform public health interventions throughout future pandemics.
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 | 0,002 | 0,005 |
| 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 | 0,000 |
| 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) | 0,001 | 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 ».