Perceptions and Attitudes Related to Driving after Cannabis Use in Canadian and US Adults
Notice bibliographique
Résumé
Background: This study examined the risk perceptions related to driving after cannabis use (DACU) among Canadian and US adults who used cannabis in the past six months. Methods: Perceptions of danger, normative beliefs, perceived likelihood of negative consequences, and other driving-related variables were collected via online surveys in Canadian (n = 158; 50.0% female, 84.8% White, mean age = 32.73 years [SD = 10.61]) and US participants (n = 678; 50.9% female, 73.6% White, mean age = 33.85 years [SD = 10.12]). Driving cognitions and DACU quantity/frequency were compared between samples using univariate analyses of variance, and Spearman’s (ρ) correlations were performed to examine associations between driving cognitions and DACU quantity/frequency. Results: The two samples did not significantly differ in self-reported level of cannabis use, lifetime quantity of DACU, or the number of times they drove within two hours of cannabis use in the past three months ( Ps > .12). Compared to US participants, Canadians perceived driving within two hours of cannabis use as more dangerous ( P < 0.001, η p 2 = 0.013) and reported more of their friends would disapprove of DACU ( P = 0.03, η p 2 = 0.006). There were no differences in the number of friends who would refuse to ride with a driver who had used cannabis ( P = 0.15) or the perceived likelihood of negative consequences ( Ps > 0.07). More favorable perceptions were significantly correlated with greater lifetime DACU and driving within two hours of use (ρ = 0.25-0.53, Ps < 0.01). Conclusions: These findings reveal differences in distal risk factors for DACU between Canada and the US and may inform prevention efforts focusing on perceptions of risk and social acceptance of DACU.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».