The implementation and public health impacts of cannabis legalization in Canada: a systematic review
Notice bibliographique
Résumé
AIMS: We provide a narrative summary of research on changes in cannabis arrests, cannabis products and prices, cannabis use and cannabis-related harm since legalization. METHODS: We systematically searched for research on the impacts of cannabis legalization in Canada in PubMed, Embase, Statistics Canada and government websites and Google Scholar, published between 2006 and 2021. RESULTS: Cannabis legalization in Canada has been followed by substantial reductions in cannabis-related arrests and cannabis prices. It has also increased adults' access to a diverse range of cannabis products, including edibles and extracts. The prevalence of cannabis use among young adults has increased, but there have been no marked increases or decreases in use among high school students or changes in the prevalence of daily or near-daily use. Legalization has been associated with increased adult hospital attendances for psychiatric distress and vomiting, unintentional ingestion of edible cannabis products by children and hospitalizations for cannabis use disorders in adults. There is conflicting evidence on whether cannabis-impaired driving has increased since legalization. There is suggestive evidence that presentations to emergency departments with psychoses and cannabis use disorders may have increased since legalization. CONCLUSIONS: Legalization of cannabis in Canada appears to have reduced cannabis arrests and increased access to a variety of more potent cannabis products at lower prices. Since 2019, recent cannabis use in Canada has modestly increased among adults but not among adolescents. There is evidence of increased acute adverse effects of cannabis among adults and children.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 ».