Trends and correlates of cannabis use in Canada: a repeated cross-sectional analysis of national surveys from 2004 to 2017
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Cannabis is the most widely used drug in Canada. We examined the trends in past-year cannabis consumption by sociodemographic and geographic characteristics. METHODS: We conducted a repeated cross-sectional analysis of the Canadian Tobacco Use Monitoring Survey, the Canadian Tobacco, Alcohol and Drugs Survey and the Canadian Alcohol and Drug Use Monitoring Survey from 2004 to 2017. Respondents were aged 15 years and older. Past-year cannabis use was analyzed using multivariable logistic regression and segmented logistic regression. RESULTS: We analyzed 289 823 respondents (51% female) between 2004 and 2017. Between 2004 and 2017, the overall prevalence of cannabis use increased from 12.2% (95% confidence interval [CI] 11.0%-13.5%) to 18.7% (95% CI 16.2%-21.5%) among men and from 6.6% (95% CI 5.9%-7.4%) to 11.1% (95% CI 9.4%-13.0%) among women. The crude rate of change was greater between 2011 and 2017 than that between 2004 and 2011 in men (odds ratio [OR] per annual change: 1.08, 95% CI 1.05-1.11) and women (OR 1.11, 95% CI 1.07-1.15). After adjustment for age, education, tobacco smoking and province, the 2011-2017 trend was stronger in men (adjusted OR 1.24, 95% CI 1.05-1.46), but not in women (adjusted OR 1.13, 95% CI 0.93-1.37). Cannabis use was associated with tobacco smoking (OR 4.94, 95% CI 4.65-5.25). Heterogeneity was found in cannabis use trends by age, education and province. Cannabis use decreased among respondents aged 15-19 years and increased in other age groups. INTERPRETATION: Cannabis consumption in Canada has increased and varies by sex, age, level of education and geography. Increases vary by sociodemographic factors and may be faster among certain groups. Further studies are warranted post-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.
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 | 0,002 |
| 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 découle