Impact evaluations of drug decriminalisation and legal regulation on drug use, health and social harms: a systematic review
Notice bibliographique
Résumé
OBJECTIVES: To review the metrics and findings of studies evaluating effects of drug decriminalisation or legal regulation on drug availability, use or related health and social harms globally. DESIGN: Systematic review with narrative synthesis. DATA SOURCES: We searched MEDLINE, Embase, PsycINFO, Web of Science and six additional databases for publications from 1 January 1970 through 4 October 2018. INCLUSION CRITERIA: drug decriminalisation or legal regulation. DATA EXTRACTION AND SYNTHESIS: Two independent reviewers screened titles, abstracts and articles for inclusion. Extraction and quality appraisal (modified Downs and Black checklist) were performed by one reviewer and checked by a second, with discrepancies resolved by a third. We coded study-level outcome measures into metric groupings and categorised the estimated direction of association between the legal change and outcomes of interest. RESULTS: We screened 4860 titles and 221 full-texts and included 114 articles. Most (n=104, 91.2%) were from the USA, evaluated cannabis reform (n=109, 95.6%) and focussed on legal regulation (n=96, 84.2%). 224 study outcome measures were categorised into 32 metrics, most commonly prevalence (39.5% of studies), frequency (14.0%) or perceived harmfulness (10.5%) of use of the decriminalised or regulated drug; or use of tobacco, alcohol or other drugs (12.3%). Across all substance use metrics, legal reform was most often not associated with changes in use. CONCLUSIONS: Studies evaluating drug decriminalisation and legal regulation are concentrated in the USA and on cannabis legalisation. Despite the range of outcomes potentially impacted by drug law reform, extant research is narrowly focussed, with a particular emphasis on the prevalence of use. Metrics in drug law reform evaluations require improved alignment with relevant health and social outcomes.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,057 | 0,239 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,011 | 0,012 |
| Bibliométrie | 0,021 | 0,017 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».