Exploring consumer preferences for cannabis edible products to support public health policy: A discrete choice experiment
Notice bibliographique
Résumé
Abstract Background In October 2019, cannabis edibles were legalized for sale in Canada. This move was intended to improve public safety by regulating contents (including a maximum 10 mg tetrahydrocannabinol (THC) per package) and packaging to prevent accidental ingestion or over consumption. This study aimed to explore consumer preferences for cannabis edibles to inform cannabis policy. Methods We explored the relative importance and trade-offs consumers make for attributes of cannabis edibles using a discrete choice experiment. Attributes included type of edible, price, THC content, cannabis taste, package information, product consistency, product recommendations, and Health Canada regulation. Participants lived in Canada, were 19 years of age or older, and purchased a cannabis edible in the last 12 months. A multinomial logit (MNL) model was used for the base model, and latent class analysis to assess preference sub-groups. Results Among 684 participants, the MNL model showed that potency was the most relevant followed by edible type. A two-group latent class model revealed two very distinct preference patterns. Preferences for group 1 (∼65% of sample) were driven primarily by edible type, while for group 2 (∼35% of sample) were driven almost entirely by THC potency. Conclusion This study found that consumer preferences for ∼65% of consumers of cannabis edibles are being met through regulated channels. The remaining ∼35% are driven by THC potency at levels that are not currently available on the licensed market. Attracting this market segment will require reviewing the risks and benefits of restricting THC package content.
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 | 0,006 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».