“That’s Pot Culture Right There”: Purchasing Behaviors of People Who Use Cannabis Without a Medical Cannabis Card
Notice bibliographique
Résumé
Introduction: The legal landscape surrounding purchasing cannabis without a medical cannabis card (i.e., without MCC) is changing rapidly, affecting consumer access and purchasing behaviors. Cannabis purchasing behaviors are related to subsequent use and experiencing greater cannabis-related negative consequences. However, purchasing behaviors of individuals who use cannabis without MCC are understudied. Methods: The current study analyzed qualitative data from focus groups with adults who use cannabis without MCC (n = 5 groups; 6-7 participants/group; n = 31 total participants). Focus groups followed a semi-structured agenda, and were audio recorded and transcribed. Two coders applied thematic analysis to summarize topics pertaining to cannabis purchasing attitudes and behaviors. Focus groups occurred in 2015 and 2016 in Rhode Island, when purchasing and use of cannabis without MCC was decriminalized but still considered illegal. Results: On average, participants (72% male) were 26 years old (SD = 7.2) and reported using cannabis 5 days per week (SD = 2.1). Thematic analysis revealed three key themes related to cannabis purchasing behaviors: (1) regular purchasing routines (i.e., frequency, schedule, amount of purchases), (2) economic factors (i.e., financial circumstances), and (3) contextual factors (i.e., quality of cannabis, convenience/availability) were perceived to influence purchasing decisions. Dealers' recommendations affected participants' purchases, who also reported minimal legal concerns. Participants reported saving money and using more cannabis when buying in bulk. Discussion: Purchasing behaviors were found to vary and were perceived to be affected by individual-level (e.g., routines) and contextual factors (e.g., availability) that, in turn, may impact use patterns. Future research should consider how factors (e.g., availability) that differ across contexts (e.g., location) and demographic groups interact to affect purchasing behaviors.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».