Correlation between oral fluid and blood THC concentration: A systematic review and discussion of policy implications
Notice bibliographique
Résumé
Cannabis is the second most commonly used impairing substance by drivers, after alcohol. As more countries legalize cannabis, there is concern that cannabis-impaired driving will increase. In many countries, police use roadside devices to test for oral fluid THC (the primary psychotropic component in cannabis) to identify drivers who used cannabis; including in countries with non-zero per se limits for THC in blood. This practice is questioned as previous research demonstrates a poor correlation between oral fluid and blood THC concentrations at the individual level. We conducted a meta-analysis to identify all research that compared oral fluid with blood THC levels. We obtained individual-level data from study authors and analyzed pooled individual-level data to calculate sensitivity and specificity of oral fluid THC (at various cut-off values) to detect blood THC above different concentration limits. Finally, we explored practical implications of using oral fluid THC in an enforcement context. Our review found THC concentrations measured in over 18,000 paired samples of oral fluid and blood. We found a good correlation between the presence of THC in oral fluid and presence of THC in blood (sensitivity = 71.2%, specificity = 97.7%). However oral fluid THC, at commonly used cut-off values, is less sensitive and less specific when used as a biomarker to detect people with blood THC concentrations above commonly used per se limits (such as 5 ng/mL). As such, there will be a large number of "false positive" tests if oral fluid THC testing were used as a biomarker for "illegal" THC concentrations in randomly selected drivers. We argue that the adverse implications of false positive oral fluid THC tests in this context outweigh the possible road safety benefits and we recommend against oral fluid THC screening in randomly selected drivers in countries with non-zero per se limits for blood THC. In contrast, oral fluid THC tests appear to be useful for investigating "high-risk" drivers who come to police attention because of evidence of impairment.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 | 0,001 |
| 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 ».