Cannabis, Impaired Driving, and Road Safety: An Overview of Key Questions and Issues
Notice bibliographique
Résumé
The road safety impact of cannabis has been a topic of much discussion and debate over the years. These discussions have been revitalized in recent years by initiatives in several jurisdictions to legalize non-medical cannabis. Canada became the second country to legalize non-medical cannabis use in October, 2018, preceded by Uruguay in December 2013. Road safety concerns were key issues in the Canadian government's deliberations on the issue. In this paper, we identify several key questions related to the impact of cannabis on road safety, and provide a consideration of the relevant literature on these questions. These questions cover several perspectives. From an epidemiological perspective, perhaps the central question is whether cannabis use contributes to the chances of being involved in a collision. The answer to this question has evolved in recent years as the ability to conduct the relevant studies has evolved. A related question is the extent to which cannabis plays an important role in road safety, and recent research has made progress in estimating the collisions, injuries, and deaths that may be attributed to cannabis use. Several questions relate to the behavioral and pharmacological effects of cannabis. One central question is whether cannabis affects driving skills in ways that can increase the chances of being involved in a collision. Another important question is whether the effects of the drug on the driving behavior of medical users is similar to, or different from, the effects on non-medical users and whether there are sex differences in the pharmacological and behavioral effects of cannabis. Other important questions are the impact of tolerance to the effects of cannabis on road safety as well as different routes of administration (e.g., edibles, vaped). It remains unclear if there is a dose-response relationship of cannabis to changes in driving. These and other key questions and issues are identified and discussed in this paper.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,005 | 0,009 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,007 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».