Association entre l’augmentation du temps d’écran pendant la pandémie de COVID-19 et l’évolution des comportements de consommation d’alcool chez les adolescents au Canada : une étude de cohorte prospective
Bibliographic record
Abstract
Introduction Cette étude a pour objectif d’analyser l’association entre une augmentation du temps passé devant un écran et les changements dans la consommation d’alcool chez les adolescents au Canada pendant la pandémie de COVID-19. Méthodologie Des données autodéclarées ont été recueillies auprès d’élèves du secondaire qui ont participé à l’étude COMPASS avant la pandémie (à la phase T1, année scolaire 2018-2019) et au moins une fois après le début de la pandémie, soit à la phase T2 (mai à juillet 2020) ou à la phase T3 (année scolaire 2020-2021). Nous avons utilisé des modèles de régression logistique multinomiale pour estimer le rapport de cotes ajusté (RCa) de l’association entre le changement du temps d’écran depuis le début de la pandémie et l’évolution de la consommation d’alcool aux phases T2 et T3 Résultats Une grande majorité des élèves de 12 à 19 ans de notre échantillon a déclaré avoir passé plus de temps devant un écran (92 % à la phase T2 et 91 % à la phase T3) depuis le début de la pandémie. L’augmentation du temps d’écran a été associée à une probabilité plus élevée de commencer à consommer de l’alcool au cours de la phase T2 (RCa = 1,66; intervalle de confiance à 95 % [IC] : 1,09 à 2,51) et de la phase T3 (RCa = 1,45; IC à 95 % : 1,22 à 1,73). Parmi les élèves qui consommaient déjà de l’alcool au début de l’étude, l’augmentation du temps d’écran (RCa = 0,55; IC à 95 % : 0,40 à 0,75) et l’augmentation de l’utilisation des médias sociaux (RCa = 0,72; IC à 95 % 0,59 à 0,87) ont été associées à des probabilités réduites de diminuer leur fréquence de consommation d’alcool par rapport aux probabilités de la maintenir à la phase T3 Conclusion Nous avons constaté l’existence d’une relation entre l’augmentation du temps passé devant un écran et le fait de commencer à consommer de l’alcool ou de changer les modalités de cette consommation pendant la pandémie chez les adolescents au Canada. Des recherches futures pourraient porter sur les causes de cette relation et identifier les groupes à risque et les interventions potentielles pour prévenir et réduire la consommation d’alcool chez les adolescents.
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 | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".