Crude estimates of cannabis-attributable mortality and morbidity in Canada–implications for public health focused intervention priorities
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Cannabis is the most commonly used drug in Canada; while its use is currently controlled by criminal prohibition, debates about potential control reforms are intensifying. There is substantive evidence about cannabis-related risks to health in various key outcome domains; however, little is known about the actual extent of these harms specifically in Canada. METHODS: Based on epidemiological data (e.g. prevalence of relevant cannabis use rates and relevant risk behaviors; risk ratios; and annual numbers of morbidity/mortality cases in relevant domains), and applying the methodology of comparative risk assessment, we estimated attributable fractions for cannabis-related morbidity and mortality, specifically for: (i) motor-vehicle accidents (MVAs); (ii) use disorders; (iii) mental health (psychosis) and (iv) lung cancer. RESULTS: MVAs and lung cancer are the only domains where cannabis-attributable mortality is estimated to occur. While cannabis use results in morbidity in all domains, MVAs and use disorders by far outweigh the other domains in the number of cases; the popularly debated mental health consequences (e.g., psychosis) translate into relatively small case numbers. CONCLUSIONS: The present crude estimates should guide and help prioritize public health-oriented interventions for the cannabis-related health burden in the population in Canada; formal burden of disease calculations should be conducted.
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.
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 | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 découle