Observational study of visual testing efficacy in detecting cannabis usage
Notice bibliographique
Résumé
Drug recognition and examination programs are widely used to detect drug impairment in motor vehicle operators. Visual tests are a key assessment in the detection of cannabis-related impairment. Participants were recruited via social media from the medical cannabis community in Southwestern Ontario, Canada. Twenty-two participants completed the full observational trial design. The majority (n = 13 or 59.1%) were male, with a mean age of 36 years (SD = 9.4; range: 24–59). Participants underwent the following protocol: 1) First round of testing (vital signs, bio sample collection, visual tests, subjective data, neurocognitive testing) (Baseline phase); 2) Consumption of cannabis via inhalation; 3) Second round of testing 30 minutes following consumption (THC phase); 4) Additional rounds of testing at 90, 150, and 210 minutes following consumption (Recovery phase). Visual assessment data and vital signs did not follow typical patterns associated with acute cannabis intoxication. With blood THC levels more than double the Canadian legal limit (5 ng/mL), visual testing results were not diagnostic for cannabis impairment, as participants maintained normal pupil sizes and normal ocular convergence patterns. Visual testing is a key component in standardized examinations used for detecting cannabis-related impairment in Canadian drivers; however, our data indicate that visual testing may not be an effective diagnostic tool for the specific population of medical cannabis users.
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 | 0,003 | 0,002 |
| 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 | 0,001 |
| 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 ».