Trends and projection in the proportion of (heavy) cannabis use in Germany from 1995 to 2021
Notice bibliographique
Résumé
AIMS: To measure the current trends of cannabis use in Germany, measure trends in the proportion of heavy cannabis users and estimate future cannabis use rates. DESIGN: Repeated waves of the Epidemiological Survey on Substance Abuse, a cross-sectional survey conducted between 1995 and 2021 with a two-stage participant selection strategy where respondents completed a survey on substance use delivered through the post, over the telephone or on-line. SETTING: Germany. PARTICIPANTS/CASES: German-speaking participants aged between 18 and 59 years living in Germany who self-reported on their cannabis use in the past 12 months (n = 78 678). With the application of a weighting scheme, the data are nationally representative. MEASUREMENTS: Questions on the frequency of cannabis use in the past 12 months and self-reported changes in frequency of use due to the COVID-19 pandemic. FINDINGS: The prevalence of past 12-month cannabis users increased from 4.4% [95% confidence interval (CI) = 3.7, 5.1] in 1995 to 10.0% (95% CI = 8.9, 11.3) in 2021. Modeling these trends revealed a significant increase that accelerated over the past decade. The proportion of heavy cannabis users [cannabis use (almost) daily or at least 200 times per year] among past-year users has remained steady from 1995 (11.4%, 95% CI = 7.7, 16.5) to 2018 (9.5%, 95% CI = 7.6, 11.9), but significantly increased to 15.7% (95% CI = 13.1, 18.8) in 2021 during the COVID-19 pandemic. Extrapolating from these models, the prevalence of 12-month cannabis users in 2024 is expected to range between 10.4 and 15.0%, while the proportion of heavy cannabis users is unclear. CONCLUSIONS: Trends from 1995 to 2021 suggest that the prevalence of past 12-month cannabis users in Germany will continue to increase, with expected rates between 10.4 and 15.0% for the German-speaking adult population, and that at least one in 10 cannabis users will continue to use cannabis heavily (almost daily or 200 + times in the past year).
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».