Changes in Medical Cannabis Use After Recreational Cannabis Legalization in Canada
Notice bibliographique
Résumé
Background: As part of its recreational cannabis legalization in October 2018, Canada imposed an excise tax of 10% (or $1 a gram, whichever is higher) on both recreational and medical cannabis. There is little evidence to inform the ongoing debate on whether the legalization had adverse impacts on medical cannabis use. Methods: We used an interrupted time series design and data on medical cannabis shipments (i.e., mail-order deliveries of cannabis from a licensed producer to a patient authorized to obtain medical cannabis) in Canada between quarter 1 of 2014 and quarter 1 of 2020. We examined changes in medical cannabis shipments after Canada's recreational cannabis legalization both across Canada and for each province. As this study used publicly available, province-level aggregate data, ethics approval was not required. Results: Recreational cannabis legalization was associated with significant reductions in medical cannabis use in 7 out of 10 Canadian provinces. Compared with the counterfactual estimated from prelegalization trends, the reduction in quarter 1 of 2020 varied from 500 shipments per 100,000 population (95% CI=312–688 shipments per 100,000 population) or 32% (95% CI=22–43%) in Newfoundland and Labrador to 3,778 shipments per 100,000 population (95% CI=2,972–4,585 shipments per 100,000 population) or 74% (95% CI=68–79%) in Alberta. At the national level, the number of medical cannabis shipments decreased by 823 per 100,000 population (95% CI=725–921 shipments per 100,000 population) or 48% (95% CI=45–52%). Conclusions: Recreational cannabis legalization was associated with reductions in medical cannabis use. Our findings call for policy attention to address possible adverse impacts of recreational cannabis legalization on medical cannabis users.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».