Characteristics of Canadians likely to try or increase cannabis use following legalization for nonmedical purposes: a cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: The Government of Canada legalized nonmedical use of cannabis in October 2018. Our objectives were to determine the percentage of Canadians intending to try or increase their cannabis use following legalization and to explore characteristics associated with this intent. METHODS: We used data from the 2018 National Cannabis Survey and constructed multivariable regression models. Respondents' data were weighted and bootstrapped. We report relative measures of association as adjusted odds ratios (ORs) and absolute measures of association as adjusted risk increases (RIs). RESULTS: Among the 39 000 households selected for recruitment for the survey, 17 089 respondents provided complete data (43.8%) and our weighted analysis represented 27 808 081 Canadians aged 15 years and older. An estimated 18.5% of respondents (95% confidence interval [CI] 17.6%-19.5%) indicated they intended to try or increase cannabis use following legalization. Being more likely to try or increase cannabis use was associated with younger age (15-24 yr v. ≥ 65 yr; adjusted OR 3.8, 95% CI 2.6-5.6; adjusted RI 20.1%, 95% CI 13.9%-26.2%), cannabis use in the past 3 months versus no use (adjusted OR 3.3, 95% CI 2.8-3.9; adjusted RI 20.4%, 95% CI 17.1%-23.6%), higher income (≥ $80 000 v. < $40 000; adjusted OR 1.5, 95% CI 1.3-1.9; adjusted RI 6.1%, 95% CI 3.2%-9.0%) and poor or fair mental health versus good to excellent mental health (adjusted OR 2.0, 95% CI 1.6-2.6; adjusted RI 11.5%, 95% CI 6.7%-16.2%). INTERPRETATION: Nearly 1 in 5 respondents reported that they intended to try or increase cannabis use after legalization; however, intention may not translate into behaviour. Continued monitoring should help to establish rates and patterns of cannabis use among Canadians following legalization.
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 | 0,001 |
| 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) | 0,001 | 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 ».