Prevalence and self-reported reasons of cannabis use for medical purposes in USA and Canada
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
RATIONALE: There has been increasing attention on cannabis use for medical purposes, but there is currently a lack of data on its epidemiology. OBJECTIVES: To examine the epidemiology of self-reported cannabis use for medical purposes by (1) estimating its prevalence, (2) comparing gender and age differences, and (3) investigating what reasons they were used to manage. METHODS: Participants included 27,169 respondents (aged 16-65) who completed Wave 1 of The International Cannabis Policy Study (ICPS) conducted across Canada and the USA in 2018 via online surveys. Cannabis policy conditions were "US legal-recreational" (legal for both recreational and medical uses), "US legal-medical only", "US illegal", and "Canada-medical only". RESULTS: The overall prevalence of self-reported ever cannabis use for medical purposes was 27%, with similar rates by sex and the highest prevalence in young adults. Prevalence was higher in US legal-recreational states (34%) than US illegal states (23%), US legal-medical only states (25%), and Canada (25%). The most common physical health reasons include use to manage pain (53%), sleep (46%), headaches/migraines (35%), appetite (22%), and nausea/vomiting (21%). For mental health reasons, the most common were for anxiety (52%), depression (40%), and PTSD/trauma (17%). There were 11% who reported using cannabis for managing other drug or alcohol use and 4% for psychosis. CONCLUSIONS: A substantial proportion of the North American population self-reported cannabis use for medical purposes for a variety of medical reasons, including those living in jurisdictions without legal markets. Further research is needed to understand the safety and efficacy of these forms of medical cannabis use.
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.
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 | 0,001 | 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 découle