Guidelines for public health and safety metrics to evaluate the potential harms and benefits of cannabis regulation in Canada
Notice bibliographique
Résumé
ISSUES: Canada recently introduced a public health-based regulatory framework for non-medical cannabis. This review sought to identify a comprehensive set of indicators to evaluate the public health and safety impact of cannabis regulation in Canada, and to explore the ways in which these indicators may be expected to change in the era of legal non-medical cannabis. APPROACH: Five scientific databases were searched to compile a list of cannabis-related issues of interest to public health and safety. A set of indicators was developed based on topics and themes that emerged. Preliminary evidence from other jurisdictions in the USA and Canada that have legalised medical and/or non-medical cannabis (e.g. Colorado, Washington) was summarised for each indicator, wherever possible. KEY FINDINGS: In total, 28 indicators were identified under five broad themes: public safety; cannabis use trends; other substance use trends; cardiovascular and respiratory health; and mental health and cognition. Preliminary trends from other legalised jurisdictions reveal little consensus regarding the effect of cannabis legalisation on public health and safety harms and an emerging body of evidence to support potential benefits (e.g. reductions in opioid use and overdose). IMPLICATIONS: In addition to indicators of commonly discussed challenges (e.g. cannabis-related hospitalisations, cannabis-impaired driving), this review led to the recommendation of several indicators to monitor for possible public health and safety improvements. CONCLUSION: In preparing a comprehensive public health and safety monitoring and evaluation system for cannabis regulation, this review underscores the importance of not only measuring the possible risks but also the potential benefits.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| 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 | 0,000 |
| 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 ».