Évaluation, à l’aide de séries chronologiques interrompues, de l’effet de la légalisation du cannabis sur les lésions auto-infligées dans deux provinces canadiennes : Ontario et Alberta
Notice bibliographique
Résumé
Introduction Malgré l’association connue entre consommation de cannabis et prévalence accrue d’idées suicidaires et de tentatives de suicide, on n’a pas encore mesuré l’effet de la légalisation et de la réglementation du cannabis au Canada sur les lésions auto-infligées. Méthodologie Nous avons utilisé des séries chronologiques interrompues des taux de consultation aux urgences et d’hospitalisation pour lésions auto-infligées pour 100 000 habitants en Ontario et en Alberta entre janvier ou avril 2010 et février 2020. Les effectifs mensuels globaux de consultations aux urgences et d’hospitalisations pour lésions auto-infligées (codes X60-X84 et R45.8 selon la CIM-10) ont été obtenus grâce respectivement au Système national d’information sur les soins ambulatoires et à la Base de données sur les congés des patients. Résultats La légalisation et la réglementation du cannabis au Canada n’ont pas été associées de manière statistiquement significative à une modification des taux de consultation aux urgences pour lésions auto-infligées en Ontario (niveau = 0,58 avec IC à 95 % : −1,14 à 2,31; tendance = −0,17 avec IC à 95 % : −0,35 à 0,01) ou en Alberta (niveau = −0,06 avec IC à 95 % : −2,25 à 2,12; tendance = −0,07 avec IC à 95 % : −0,27 à 0,13). Les hospitalisations pour lésions auto-infligées sont également demeurées inchangées en Ontario (niveau = −0,14 avec IC à 95 % : −0,48 à 0,20; tendance = 0,01 avec IC à 95 % : −0,03 à 0,04) et en Alberta (niveau = −0,41 avec IC à 95 % : −1,03 à 0,21; tendance = −0,03 avec IC à 95 % : −0,08 à 0,03). Conclusion La légalisation et la réglementation du cannabis au Canada n’ont pas entraîné d’augmentation des taux de consultation aux urgences ou d’hospitalisation pour lésions auto-infligées en Ontario ou en Alberta. Des analyses à l’échelle individuelle tenant compte des caractéristiques individuelles et incluant d’autres provinces et territoires sont nécessaires.
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 | 0,008 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,010 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».