Accuracy differences in cannabis retailer information ascertained from webservices and government-maintained state registries across US states legalizing the sale of cannabis in 2019
Notice bibliographique
Résumé
Cannabis retailer locations used to investigate geographic cannabis access are frequently ascertained from two sources: 1) webservices which provide locations of cannabis retailers (e.g., Yelp) or 2) government-maintained registries. Characterizing the operating status and location information accuracy of cannabis retailer data sources on a state-by-state level can inform research examining the health implications of cannabis legalization policies. This study ascertained cannabis retailer name and location from webservices and government-maintained registries for 26 states and the District of Columbia legalizing cannabis sales in 2019. Validation subsamples were created using state-level sequential sampling. Phone surveys were conducted by trained researchers for webservice samples (n=790, November 2019 - May 2020) and government-maintained registry (n=859, February - June 2020) to ascertain information about operating status and location. Accuracy was calculated as the percent agreement among subsample and phone survey data. For operating status and location, webservice derived data was 78% (614/790) and 79% (484/611) accurate, whereas government-maintained registry derived data was 76% (657/859) and 95% (622/655) accurate, respectively. Fifty-nine percent (15/27) of states and the District of Columbia had over 80% accuracy for operating status and 48% (13/27) states had over 80% accuracy for location information with both data sources. However, government-maintained registry derived information was more accurate in 33% (9/27) states for operating status and 41% (11/27) states for location information. Both data sources had similar operating status accuracy. Research using spatial analysis may prefer government-maintained registry derived data due to high location information accuracy, whereas studies looking at broad trends across states may prefer webservice derived. State level COVID-19 restrictions had minimal impact on ascertainment of cannabis retailer operating status and location information via phone survey derived from webservices and government-maintained registries.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».