Les émotions négatives et l’évolution de la consommation d’alcool et de cannabis durant la pandémie de la COVID-19 : le rôle modérateur de l’autocompassion
Bibliographic record
Abstract
La pandémie de la COVID-19 représente un changement social dramatique qui a entraîné d’importantes répercussions sur la santé mentale des individus. Les personnes vivant un niveau élevé d’émotions négatives découlant de cette crise sociale sont à risque, entre autres, d’augmenter leur consommation d’alcool et de cannabis afin de faire face à ces émotions. L’autocompassion est une stratégie largement documentée pour une gestion optimale des émotions négatives qui pourrait prévenir certaines conséquences psychologiques de la pandémie. Le but de la présente étude est d’examiner le rôle protecteur (modérateur) de l’autocompassion dans le lien entre les émotions négatives et l’évolution de la consommation d’alcool et de cannabis lors de la pandémie de COVID-19. Les résultats des analyses effectuées en utilisant les données longitudinales d’un échantillon représentatif (en matière d’âge, de genre et de province de résidence) de la population adulte canadienne (N=2959) récolté entre mai-juin 2020 et avril-mai 2021 démontrent que la consommation d’alcool a légèrement diminué au cours de la période ciblée. La consommation de cannabis, quant à elle, est demeurée stable pendant la première année de la pandémie. Le niveau d’émotions négatives et celui d’autocompassion au début de la pandémie n’étaient pas associés au niveau initial et au changement de fréquence de la consommation en cours de pandémie. L’effet modérateur de l’autocompassion n’a pas été confirmé. Les résultats de cette étude contribuent à l’avancement de connaissances liées aux stratégies de régulation des émotions dans le contexte de la consommation d'alcool ou de cannabis, et plus généralement en ce qui concerne les comportements de consommation face à des changements sociaux dramatiques. Le rôle des émotions négatives et de l’autocompassion auprès de l’échantillon représentatif de la population canadienne adulte en lien avec l’évolution de la consommation d’alcool et de cannabis durant une crise sociale est remis en question. La nécessité d’autres études approfondies sur ce sujet est soulignée.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".