Cannabis use, risk behaviours and harms in Brazil: A comprehensive review of available data indicators
Notice bibliographique
Résumé
ISSUES: Cannabis use and related health/social outcome indicator data for Brazil-where non-medical cannabis is generally illegal-are limited. APPROACH: Towards a comprehensive overview of relevant indicators, we searched primary databases by combining MeSH-index terms related to cannabis, geographic location and subtopic terms (e.g., use, health, mortality) focusing on cannabis use and key outcome indicators in Brazil since 2010. In addition, relevant 'grey literature' (e.g., survey reports) was identified. Key indicator data were mainly narratively summarised. KEY FINDINGS: Overall, cannabis use has increased somewhat since pre-2010, with (past-year) use rates measured at 2-3% for general population adults, yet 5% or higher among youth and/or (e.g., post-secondary) student populations. For key risk behaviours, the presence of tetrahydrocannabinol-positivity among motor-vehicle drivers has been measured at <2%. While the prevalence of cannabis use disorder appears to have decreased, the relative proportion of treatment provided for cannabis-related problems increased. National- and local-based studies indicated an association of cannabis use with mental health harms, including depression and suicidality. Although some non-representative and/or local studies contain information, other monitoring data, including cannabis-related risks and harms (e.g., cannabis-related driving, mortality, hospitalisations), are limited in availability. IMPLICATIONS AND CONCLUSION: The prevalence of cannabis use in Brazil is comparably low (e.g., relative to elsewhere in the Americas). Data on numerous key cannabis-related indicators is absent, or limited in scope for Brazil. Considering ongoing evolutions in cannabis control and its status as the most common illicit drug, more comprehensive surveillance of cannabis use and related outcomes is advised.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 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 ».