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 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 | 0,001 |
| 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 ».