The association between legalization of cannabis use and traffic deaths in Uruguay
Notice bibliographique
Résumé
BACKGROUND AND AIMS: While cannabis use has been found to impair motor vehicle driving, the association between cannabis legalization and motor vehicle fatalities is unclear. In Uruguay in December 2013, cannabis for recreational purposes was legalized. This study assessed the association between implementation of this law and changes in traffic fatality rates. DESIGN: Interrupted time-series analysis of traffic fatality rates of light motor vehicle drivers and motorcyclists in urban and rural settings. Changes are reported as step and trend effects against modeled trends in the absence of legalization. SETTING: Uruguay, Montevideo and four rural provinces (Colonia, Florida, Río Negro and San José) from 1 January 2012 to 31 December 2017. Cases and measurement Weekly traffic fatalities of light motor vehicle drivers and motorcyclists per type of vehicle. Data were gathered from the National Road Safety Agency of Uruguay and the Ministry of Transport and Public Works, respectively. RESULTS: Cannabis legalization was associated with a 52.4% immediate increase [95% confidence interval (CI) = 11.6, 93.3, P = 0.012] in the light motor vehicle driver's fatality rate. However, no significant change in the motorcyclists' fatality rate was observed. In Montevideo the legislation was associated with an absolute increase in its light motor vehicle driver's fatality rate by 0.06 (95% CI = 0.01, 0.11, P = 0.025), but no significant associations were observed in rural settings. CONCLUSIONS: In Uruguay, the 2013 legislation legalizing recreational cannabis consumption may have been associated with an increase in fatal motor vehicle crashes, particularly in light motor-vehicle drivers and urban settings.
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 | 0,001 |
| 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) | 0,000 | 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 ».