Impacts of recreational cannabis legalization on use and harms: A narrative review of sex/gender differences
Notice bibliographique
Résumé
Legalization of cannabis use for non-medical (recreational) purposes is changing the global cannabis landscape. As attitudes toward cannabis use become more positive and prevalence of use increases in complex ways, concerns emerge about the potential for increased cannabis-attributable harms. Understanding the who, why, and when of this likely increase in cannabis-attributable harms is thus an important public health priority. Both sex and gender contribute to variability in the use, effects, and harms of cannabis and thus sex/gender considerations are important when evaluating the impacts of cannabis legalization. The goal of this narrative review is to broadly discuss sex/gender differences in attitudes toward and prevalence of cannabis use, whether there are sex/gender differences in the impacts of cannabis legalization, and why these sex/gender differences might exist. One of our strongest conclusions is that men have always been more likely to use cannabis than women, yet the sex/gender gap in prevalence of cannabis use has narrowed over time, and this might be partly due to cannabis legalization. The existing evidence suggests that there have also been sex/gender differences in the impacts of legalization on cannabis-attributable harms such as cannabis-involved motor vehicle collisions and hospitalizations, though these results are more variable. The body of literature reviewed has focused almost exclusively on samples of cisgender research participants, and thus future research should encourage inclusion of transgender and gender-diverse participants. More consideration of sex- and gender-based analysis in research evaluating long-term impacts of cannabis legalization is a clear research priority.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 | 0,000 |
| 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 ».