P-309 Investigating health and other characteristics of Military Veterans authorized to receive medicinal cannabis in Canada
Notice bibliographique
Résumé
<h3>Introduction</h3> Veterans Affairs Canada (VAC) has reimbursed cannabis for medical purposes (CMP) since 2008. However, to date little is known about the characteristics of Veterans authorized for CMP, and whether these differ by authorization amount. <h3>Objectives</h3> To descriptively summarize social, health, and other characteristics of Canadian Regular Force Veterans authorized to receive CMP from Veterans Affairs Canada. <h3>Methods</h3> A linked database of CMP authorizations was developed using VAC reimbursement files, VAC client records, and military personnel data. Analyses were limited to 13,173 Regular Force Veterans residing in Canada with an active authorization as of December 31, 2020. CMP authorization amounts (mean and categorical) were summarized by sociodemographic factors, pensionable conditions and benefits, and military service characteristics. <h3>Results</h3> Overall, the average amount of a CMP authorization among Canadian Veterans was 3.6 grams/day. For sociodemographic characteristics, the highest average amounts were observed among Veterans who were aged 30 to 39 years (4.2g/day), male (3.7g/day), separated/divorced/widowed (3.8g/day), and residing in the provinces of New Brunswick (4.7g/day), Newfoundland and Labrador (4.1g/day) and Manitoba (4.1g/day). For conditions documented as part of the VAC benefit process, the highest average amounts were observed among Veterans with mental health (3.9g/day) and hearing loss conditions (3.7g/day). For military service characteristics (sub-sample of 9,200 Veterans) the highest average amounts were observed among Veterans with a more recent release year, peaking in 2016 (4.2g/day); and among those who were Junior Non-Commissioned Members (4.0g/day), had served in the army (4.0g/day), and released from the military involuntarily (4.8g/day). <h3>Conclusion</h3> This descriptive epidemiology provides new insights on the characteristics of a large population of veterans with medical cannabis authorizations in Canada. This will be used to inform further research on associations between CMP authorizations and wellness outcomes among military veterans.
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) | 0,000 | 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 ».