Cannabis use and work-related injuries: a cross-sectional analysis
Notice bibliographique
Résumé
BACKGROUND: Although the association of cannabis use with automobile accidents has been well-studied, the impact of cannabis on workplace safety and injuries is less clear. AIMS: The purpose of this study was to examine the relationship between work-related injury and cannabis use in the past year. METHODS: We performed a cross-sectional analysis of the Canadian Community Health Survey (2013-16) of working individuals. We used multiple logistic regression modelling to calculate the odds of experiencing a work-related injury (defined as non-repetitive strain injury) among workers who reported using cannabis more than once during the prior 12 months as compared to non-users. We repeated the analysis among participants working in high injury risk occupational groups only. RESULTS: Among the 136 536 working participants, 2577 (2%) had a work-related injury in the last 12 months. Of these 2577 who had a work-related injury, 4% also reported being a cannabis user in the same period. We found no association between past-year cannabis use and work-related injury (odds ratio for work injury among users 0.81, 95% confidence interval 0.66-0.99). The association was unchanged in the subgroup analysis limited to high injury risk occupational groups. CONCLUSIONS: We found no evidence that cannabis users experienced higher rates of work-related injuries. While awaiting prospective studies, occupational medicine practitioners should take a risk-based approach to drafting workplace cannabis policies.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».