Testing for cannabis in the work‐place: a review of the evidence
Notice bibliographique
Résumé
BACKGROUND: Urinalysis testing in the work-place has been adopted widely by employers in the United States to deter employee drug use and promote 'drug-free' work-places. In other countries, such as Canada, testing is focused more narrowly on identifying employees whose drug use puts the safety of others at risk. AIMS: We review 20 years of published literature on questions relevant to the objectives of work-place drug testing (WPDT), with a special emphasis on cannabis, the most commonly detected drug. RESULTS: We conclude (i) that the acute effects of smoking cannabis impair performance for a period of about 4 hours; (ii) long-term heavy use of cannabis can impair cognitive ability, but it is not clear that heavy cannabis users represent a meaningful job safety risk unless using before work or on the job; (iii) urine tests have poor validity and low sensitivity to detect employees who represent a safety risk; (iv) drug testing is related to reductions in the prevalence of cannabis positive tests among employees, but this might not translate into fewer cannabis users; and (v) urinalysis has not been shown to have a meaningful impact on job injury/accident rates. CONCLUSIONS: Urinalysis testing is not recommended as a diagnostic tool to identify employees who represent a job safety risk from cannabis use. Blood testing for active tetrahydrocannabinol (THC) can be considered by employers who wish to identify employees whose performance may be impaired by their cannabis use.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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 ».