The association between cannabis and codeine use: a nationally representative cross-sectional study in Canada
Notice bibliographique
Résumé
BACKGROUND: Due to the growing use of cannabis for the purposes of pain relief, evidence is needed on the impact of cannabis use on concurrent analgesic use. Therefore, our objective was to evaluate the association between the use of cannabis and codeine. METHODS: We conducted a cross-sectional study using data from the nationally representative Canadian Tobacco, Alcohol and Drugs Survey (2017). The primary explanatory variable was self-reported use of cannabis within the past year. The outcome was the use of codeine-containing product(s) within the past year. We used multivariable binomial logistic regression models. RESULTS: Our study sample comprised 15,459 respondents including 3338 individuals who reported cannabis use within the past year of whom 955 (36.2%) used it for medical purposes. Among individuals who reported cannabis use, the majority were male (N = 1833, 62.2%). Self-reported use of cannabis was associated with codeine use (adjusted odds ratio [aOR] 1.89, 95% CI 1.36 to 2.62). Additionally, when limited to cannabis users only, we found people who used cannabis for medical purposes to be three times more likely to also report codeine use (adjusted odds ratio [aOR] 2.96, 95% CI 1.72 to 5.09). DISCUSSION: The use of cannabis was associated with increased odds of codeine use, especially among individuals who used it for medical purposes. Our findings suggest a potential role for healthcare providers to be aware of or monitor patients' use of cannabis, as the long-term adverse events associated with concurrent cannabis and opioid use remain unknown.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».