Legal sourcing of ten cannabis products in the Canadian cannabis market, 2019–2021: a repeat cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: One of the objectives of cannabis legalization in Canada is to transition consumers from the illegal to the legal market. Little is known about how legal sourcing varies across different cannabis product types, provinces, and frequency of cannabis use. METHODS: Data were analyzed from Canadian respondents in the International Cannabis Policy Study, a repeat cross-sectional survey conducted annually from 2019 to 2021. Respondents were 15,311 past 12-month cannabis consumers of legal age to purchase cannabis. Weighted logistic regression models estimated the association between legal sourcing ("all"/ "some"/ "none") of ten cannabis product types, province, and frequency of cannabis use over time. RESULTS: The percentage of consumers who sourced "all" their cannabis products from legal sources in the past 12 months varied by product type, ranging from 49% of solid concentrate consumers to 82% of cannabis drink consumers in 2021. The percentage of consumers sourcing "all" their respective products legally was greater in 2021 than 2020 across all products. Legal sourcing varied by frequency of use: weekly or more frequent consumers were more likely to source "some" (versus "none") of their products legally versus less frequent consumers. Legal sourcing also varied by province, with a lower likelihood of legal sourcing in Québec of products whose legal sale was restricted (e.g., edibles). CONCLUSION: Legal sourcing increased over time, demonstrating progress in the transition to the legal market for all products in the first three years of legalization in Canada. Legal sourcing was highest for drinks and oils and lowest for solid concentrates and hash.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».