Facilitators and barriers to the regulation of medical cannabis: a scoping review of the peer-reviewed literature
Notice bibliographique
Résumé
BACKGROUND: In recent decades, several political, legislative, judicial, consumer, and commercial processes around the world have advanced legalization efforts for the use of medical cannabis (MC). As the use of MC evolves through legislative reform, with an increase in public acceptance and therapeutic potential, a need exists to further investigate the facilitators and barriers to MC regulation. METHODS: A scoping review was conducted to identify the facilitators and barriers associated with the implementation of MC regulations. MEDLINE, EMBASE, AMED and PsycINFO databases were systematically searched; no restrictions were placed on geographic location/jurisdiction. Eligible articles included those that evaluated the MC regulatory framework of one or more countries. RESULTS: Twenty-two articles were deemed eligible and included in this review. Themes identified include: (1) effects of conflicts, mindset, and ideology of state population, (2) the use of comparisons to analyze MC regulation, and (3) the need for more knowledge, advice, and empirical/clinical evidence to inform future MC policies. CONCLUSION: Policymakers should be aware of facilitators to the MC regulation implementation process, such as the influence of state and federal congruence, increased transparency, and the incorporation of stakeholder concerns, in order to effectively respond to a growing societal acceptance of MC and its use among patients. Given a comprehensive understanding of these influential factors, policymakers may be better equipped to meet the consumer and commercial demands of a rapidly evolving MC regulatory environment.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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) | 0,001 | 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 ».