Co-use of cannabis and alcohol before and after Canada legalized nonmedical cannabis: A repeat cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: This study examined changes in population-level co-use of cannabis and alcohol before and 12 months after nonmedical cannabis legalization in Canada, relative to the United States that had previously legalized and not legalized (US legal and illegal states, respectively). METHODS: = 19,626) states completed an online survey. Changes in co-use between 2018 and 2019 in US legal and illegal states compared to those in Canada were assessed using multinomial logistic regression. RESULTS: Descriptive analyses show increases in cannabis use and monthly or more frequent (MMF) co-use between 2018 and 2019 in all jurisdictions. Compared to no MMF use of cannabis or alcohol, there was no evidence suggesting differences in changes in MMF co-use in US legal or illegal states relative to Canada. However, respondents in US legal states had 33% higher odds of MMF alcohol-only use (OR = 1.33, 99% CI: 1.12, 1.57) compared to no MMF use relative to Canada. CONCLUSIONS: Increases in co-use were observed between 2018 and 2019 in all jurisdictions regardless of the legal status of cannabis. These shifts were largely due to increases in cannabis use across the population, including those that use alcohol, and may indicate changing societal norms toward cannabis generally. As the cannabis legalization transition in Canada matures, evaluation over the longer term will improve understanding of the influence of cannabis liberalization on co-use.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».