Perceptions of the health risks of cannabis: estimates from national surveys in Canada and the United States, 2018–2019
Notice bibliographique
Résumé
Few studies have compared knowledge of the specific health risks of cannabis across jurisdictions. This study aimed to examine perceptions of the health risks of cannabis in Canada and US states with and without legal non-medical cannabis. Cross-sectional data were collected from the 2018 and 2019 International Cannabis Policy Study online surveys. Respondents aged 16-65 (n = 72 459) were recruited from Nielsen panels using non-probability methods. Respondents completed questions on nine health effects of cannabis (including two 'false' control items). Socio-demographic data were collected. Regression models tested differences in outcomes between jurisdictions and by frequency of cannabis use, adjusting for socio-demographic factors. Across jurisdictions, agreement with statements on the health risks of cannabis was highest for questions on driving after cannabis use (66-80%), use during pregnancy/breastfeeding (61-71%) and addiction (51-62%) and lowest for risk of psychosis and schizophrenia (23-37%). Additionally, 12-18% and 6-7% of respondents agreed with the 'false' assertions that cannabis could cure/prevent cancer and cause diabetes, respectively. Health knowledge was highest among Canadian respondents, followed by US states that had legalized non-medical cannabis and lowest in states that had not legalized non-medical cannabis (P < 0.001). Overall, the findings demonstrate a substantial deficit in knowledge of the health risks of cannabis, particularly among frequent consumers.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».