Impacts of Canada's cannabis legalization on police‐reported crime among youth: early evidence
Notice bibliographique
Résumé
AIMS: Canada's 2018 Cannabis Act allows youth (age 12-17 years) to possess up to 5 g of dried cannabis (or equivalent) for personal consumption/sharing. This study assessed whether the Cannabis Act was associated with changes in police-reported cannabis offences among youth in Canada. DESIGN: Time series model using national daily criminal incident data from January 1, 2015-December 31, 2018 from the Canadian Uniform Crime Reporting Survey (UCR-2). Seasonal autoregressive integrated moving average time series models, stratified by sex, assessed the relations between legalization and youth cannabis-related offences. SETTING: Canada, 2015-2018. CASES: Police-reported cannabis-related offenses among youth age 12-17 years (male, n = 32 178; female, n = 9001). MEASUREMENTS: Outcomes: police-reported cannabis-related crimes, property crimes, and violent crimes. Covariate: calendar-month. FINDINGS: For females, legalization was associated with a step-effect decrease of 4.56 (95% confidence interval [CI] = 3.32, 5.81; P < 0.001) police-reported cannabis-related criminal offences per day, an effect equivalent to a 64.6% (standard error [SE] = 33.5%) reduction. For males, legalization was associated with a drop of 12.73 (95% CI = 8.82, 16.64; P < 0.001) cannabis-related offences per day, equaling a decrease of 57.7% (SE = 22.6%). Results were inconclusive as to whether there were associations between cannabis legalization and patterns of property crimes or violent crimes. CONCLUSIONS: Implementation of the Cannabis Act in Canada in 2018 appears to have been associated with decreases of 55%-65% in cannabis-related crimes among male and female youth.
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 | 0,002 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».