Cannabis use among Canadian Armed Forces Veterans
Notice bibliographique
Résumé
Introduction: Despite rapidly changing cannabis use regulations in Canada, including health care support for Canadian Armed Forces (CAF) Veterans, the prevalence of and reasons for cannabis use in this population have not been studied. Methods: An online 28-item anonymous survey was used to examine the prevalence of cannabis use among CAF Veterans who reported undergoing treatment of PTSD ( N=120). We aimed to estimate the prevalence of cannabis use among CAF Veterans, as well as to explore the reasons for cannabis use in this population. We also examined the relationships between cannabis use and other aspects of health in CAF Veterans, namely other substance use, PTSD symptom severity, and chronic pain severity. Results: Approximately half of the respondents reported a history of cannabis use. Of these, approximately 35.5% reported beginning cannabis use before a military-related trauma, 23% reported beginning after a traumatic event, and 42% reported beginning after release. Participants stated that they used cannabis primarily for relaxation and emotional calm, and for pain management. Only 10% reported its use specifically for PTSD-related symptoms and anxiety. Chronic cannabis users (i.e., one or more years) endorsed a greater number of cannabis abuse symptoms than acute users (i.e., one time to less than three months). Cannabis users were also more likely to use both prescription and non-prescription drugs. No relationships were found between cannabis use and military-related PTSD symptom severity or pain severity. Discussion: Cannabis use, along with other substance use, is common among CAF Veterans, and the reasons for cannabis use vary greatly. Cannabis use does not appear to have an impact on PTSD- and pain-related symptom expression; however, further study is recommended.
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 | 0,001 | 0,000 |
| 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 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 ».