An interrupted time series evaluation of the effect of cannabis legalization on intentional self-harm in two Canadian provinces: Ontario and Alberta
Notice bibliographique
Résumé
INTRODUCTION: Despite the association between cannabis use and higher prevalence of suicidal ideation and attempt, the effect of cannabis legalization and regulation in Canada on intentional self-harm has not been determined. METHODS: We used an interrupted time series of population-based rates of emergency department (ED) visits and hospitalizations for intentional self-harm per 100 000 in Ontario and Alberta from January/April 2010 to February 2020. Aggregate monthly counts of ED visits and hospitalizations for intentional self-harm (ICD-10 codes X60-X84, R45.8) were obtained from the National Ambulatory Care Reporting System and Discharge Abstract Database, respectively. RESULTS: The legalization and regulation of cannabis in Canada was not significantly associated with a change in rates of ED visits for intentional self-harm in Ontario (level = 0.58, 95% CI: -1.14 to 2.31; trend = -0.17, 95% CI: -0.35 to 0.01) or Alberta (level = -0.06, 95% CI: -2.25 to 2.12; trend = -0.07, 95% CI: -0.27 to 0.13). Hospitalizations for intentional self-harm also remained unchanged in Ontario (level = -0.14, 95% CI: -0.48 to 0.20; trend = 0.01, 95% CI: -0.03 to 0.04) and Alberta (level = -0.41, 95% CI: -1.03 to 0.21; trend = -0.03, 95% CI: -0.08 to 0.03). CONCLUSION: Legalization and regulation of cannabis in Canada has not increased rates of ED visits or hospitalizations for intentional self-harm in Ontario and Alberta. Individual-level analyses that account for demographic characteristics and include other provinces and territories are needed.
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 | 0,007 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».