Non-medical cannabis use: international policies and outcomes overview. An outline for Portugal
Notice bibliographique
Résumé
INTRODUCTION: Cannabis is probably the most commonly used illicit drug. It is often regarded as a relatively nonharmful experience, even though evidence indicates otherwise. Legalization of non-medical cannabis, which has already taken place in several countries, is currently a controversial issue. OBJECTIVE: To provide an up-to-date overview of current models and policies and their outcomes that can inform future political decisions regarding non-medical cannabis use. METHODS: PubMed/MEDLINE and Google Scholar scientific databases were searched for articles written in English, Spanish, and Portuguese published between 1990 and December 2020. The reference lists of these articles were similarly used as bibliography sources. Gray literature was also included. RESULTS: While non-medical cannabis has been decriminalized in many countries, it has only been legalized in Uruguay, Canada, and some U.S. states. Several benefits of legalization were identified: decreases in cannabis-related crimes, law-enforcement and judicial costs; reduction in synthetic cannabis supply; decline in black economies and possible diminution of other illegal drug buying; and tax revenue increases. Reported legalization problems included: increases in cannabis use; cannabis-related disorders; and cannabis-related accidents and hospitalizations. Harm-reduction strategies are available in the scientific literature. CONCLUSION: Growing, although incomplete, evidence exists to guide policy makers, minimize cannabis-related harm, and positively contribute to public health, if the legalization path is to be followed. Dialogue between legislators and science should be encouraged. There are more than a few legalization pathways, with diverse economic, social and health wellbeing effects. Public health-driven, instead of profit-driven models, seem to offer the most benefits regarding non-medical cannabis legalization. Most of the true public health effects of cannabis legalization are still unknown, for we are still in the early stages of these policies and their implications. Future studies should address the medium-to-long-term social, economic, and health consequences of legalization policies.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».