A Scoping Review on the Medical and Recreational Use of Cannabis During the COVID-19 Pandemic
Notice bibliographique
Résumé
Background/Introduction: The shelter-in-place orders and social distancing regulations on account of the COVID-19 pandemic have impacted lifestyles, including the use of cannabis. The purpose of this scoping review is to summarize both the gray and academic literature on the use of cannabis during the pandemic. Materials and Methods: A total of 11 databases, including 2 medical databases, 7 social science databases, and 2 gray literature databases were searched resulting in 316 titles and abstracts of which 76 met inclusion criteria. Results: Nine themes emerged: (a) prevalence and trends of cannabis use during COVID[1]19; (b) demographics; (c) profile of mode of consumption; (d) context of using cannabis (i.e., solitary use vs. in groups); (e) factors contributing to use; (f) factors inhibiting use; (g) adverse clinical and psychiatric outcomes of cannabis use during the pandemic; (h) similarities between EVALI (E-Cigarette or Vaping Product Use-Associated Lung Injury) and COVID-19 symptoms; (i) implications for policy and practice. Studies published until February 2, 2021 were included in this review. Discussion: Findings have highlighted that feelings of boredom, depression, and anxiety during the pandemic have contributed to an increase in the use of cannabis. Furthermore, accessibility to cannabis was noted to affect use during the pandemic. Adverse psychiatric and clinical outcomes were associated with the increased use of cannabis. Conclusion: Practitioners and policymakers are called to employ harm reduction strategies to respond to increasing cannabis use. There is a need for population-based studies and further examination of factors contributing to the increased use of cannabis during the pandemic and associated negative consequences.
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 | 0,012 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».