MétaCan
Menu
Retour à la cohorte
Enregistrement W4387077976 · doi:10.1001/jamanetworkopen.2023.36035

Cannabis Use Frequency and Cannabis-Related Consequences in High-Risk Young Adults Across Cannabis Legalization

2023· article· en· W4387077976 sur OpenAlexafffundabout
Amanda Doggett, Kyla Belisario, André J. McDonald, Mark A. Ferro, James G. Murphy, James MacKillop

Notice bibliographique

RevueJAMA Network Open · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueCannabis and Cannabinoid Research
Établissements canadiensUniversity of WaterlooMcMaster UniversitySt. Joseph’s Healthcare Hamilton
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésCannabisLegalizationMedicineYoung adultDemographyLongitudinal studyCohort studyCohortCannabis DependencePsychiatryGerontologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Importance: A key concern about recreational cannabis legalization is increases in use and adverse consequences, particularly among young adults (aged 18-29 years) who have the highest prevalence of cannabis use, and especially in higher-risk, more vulnerable young adults. However, few longitudinal studies have examined patterns of cannabis consumption in high-risk young adults over the course of legalization. Objective: To examine changes in cannabis use frequency and cannabis-related consequences over recreational cannabis legalization in Canada in a longitudinal sample of high-risk young adults. Design, Setting, and Participants: Longitudinal observational cohort study following young adults in Ontario, Canada, aged 19.5 to 23.0 years who reported regular heavy episodic drinking (65% past-month cannabis use) at enrollment. Participants were surveyed every 4 months for 3 years between February 2017 and February 2020 (3 prelegalization waves, 4 postlegalization waves). Data were analyzed from March to May 2023. Exposures: Recreational cannabis legalization in Canada and 4 potential moderators of change: sex, income, education, and prelegalization cannabis use frequency. Main Outcomes and Measures: Cannabis use frequency and cannabis-related adverse consequences. Results: In a cohort of 619 high-risk young adults (baseline mean [SD] age, 21.0 [1.2] years; 346 female participants [55.9%]), omnibus model testing revealed significant overall decreases in both cannabis use frequency (F = 2.276, 3000.96; P = .03) and cannabis-related consequences (F = 10.436, 3002.21; P < .001) over time, but these changes were substantially moderated by prelegalization frequency (frequency: F = 7.5224, 3021.88; P < .001; consequences: F = 7.2424, 2986.98; P < .001). Follow-up tests showed individuals who used cannabis more frequently prelegalization significantly decreased their use and cannabis-related consequences postlegalization. In contrast, individuals who did not use cannabis prelegalization exhibited a small magnitude increase in frequency over time but nonsignificant changes in cannabis-related consequences. Sex, income, and education did not moderate changes over time. Conclusions and Relevance: In this cohort study of high-risk young adults, individuals using cannabis frequently prelegalization showed significant reductions in use and consequences over time, reflecting an aging out pattern. Small increases in use among participants with no prelegalization use were observed over time, but without parallel changes in cannabis-related consequences. The results did not reveal substantive adverse near-term outcomes across the legalization period, although a within-participants design cannot rule out the possibility of alternative trajectories in the absence of legalization.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,461
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,309
Écart entre enseignants0,290 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetCannabis and Cannabinoid ResearchTravaux en français237 207