The burden of disease attributable to cannabis use in Canada in 2012
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Cannabis use is associated with several adverse health effects. However, little is known about the cannabis-attributable burden of disease. This study quantified the age-, sex- and adverse health effect-specific cannabis-attributable (1) mortality, (2) years of life lost due to premature mortality (YLLs), (3) years of life lost due to disability (YLDs) and (4) disability-adjusted life years (DALYs) in Canada in 2012. DESIGN: Epidemiological modeling. SETTING: Canada. PARTICIPANTS: Canadians aged ≥ 15 years in 2012. MEASUREMENTS: Using comparative risk assessment methodology, cannabis-attributable fractions were computed using Canadian exposure data and risk relations from large studies or meta-analyses. Outcome data were obtained from Canadian databases and the World Health Organization. The 95% confidence intervals (CIs) were computed using Monte Carlo methodology. FINDINGS: Cannabis use was estimated to have caused 287 deaths (95% CI = 108, 609), 10,533 YLLs (95% CI = 4760, 20,833), 55,813 YLDs (95% CI = 38,175, 74,094) and 66,346 DALYs (95% CI = 47,785, 87,207), based on causal impacts on cannabis use disorders, schizophrenia, lung cancer and road traffic injuries. Cannabis-attributable burden of disease was highest among young people, and males accounted for twice the burden than females. Cannabis use disorders were the most important single cause of the cannabis-attributable burden of disease. CONCLUSIONS: The cannabis-attributable burden of disease in Canada in 2012 included 55,813 years of life lost due to disability, caused mainly by cannabis use disorders. Although the cannabis-attributable burden of disease was substantial, it was much lower compared with other commonly used legal and illegal substances. Moreover, the evidence base for cannabis-attributable harms was smaller.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 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 ».