The effect of recreational cannabis legalization and commercialization on substance use, mental health, and injury: a systematic review
Notice bibliographique
Résumé
OBJECTIVE: To determine the effect of recreational cannabis legalization (RCL) and/or recreational cannabis commercialization (RCC) on emergency department (ED) visits, hospitalizations, and deaths due to substance use, injury, and mental health among those aged 11 years and older. METHODS: A systematic review of six electronic databases up to February 1, 2023. Original, peer-reviewed articles with interrupted time series or before and after designs were included. Four independent reviewers screened articles and assessed risk of bias. Outcomes with 'critical' risk of bias were excluded. Protocol registered on PROSPERO (# CRD42021265183). RESULTS: After screening and risk of bias assessment, 29 studies were included which examined ED visits or hospitalizations for cannabis use or alcohol (N = 10), opioid mortality (N = 3), motor vehicle fatalities or injury (N = 11), and intentional injury/mental health (N = 5). Rates or number of cannabis-related hospitalizations increased after RCL in Canada and the USA. Immediate increases in rates of cannabis-related ED visits were found after both RCL and RCC in Canada. Rates of traffic fatalities increased after RCL and RCC in certain jurisdictions in the USA. CONCLUSIONS: RCL was associated with increased rates of cannabis-related hospitalizations. RCL and/or RCC was associated with increased rates of cannabis-related ED visits, consistently shown across sex and age groups. The effect on fatal motor vehicle incidents was mixed, with observed increases found after RCL and/or RCC. The effect of RCL or RCC on opioids, alcohol, intentional injury, and mental health is not clear. These results inform population health initiatives and international jurisdictions considering RCL implementation.
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 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 ».