Cannabis-related arrests and convictions in Canada: Differences by race/ethnicity, individual socioeconomic factors, and neighborhood deprivation
Notice bibliographique
Résumé
Racialized individuals were disproportionately impacted by cannabis prohibition in Canada; however, the role of socioeconomic factors and neighborhood deprivation are not well understood. The current study examined race/ethnicity, individual socioeconomic factors, and neighborhood deprivation in relation to arrests and convictions for cannabis-related offenses. Repeat cross-sectional data were analyzed from two waves of the International Cannabis Policy Study (ICPS), a web-based survey conducted in 2019 (n = 12,226) and 2020 (n = 12,815) in Canada among those aged 16 to 65. Respondents were recruited through commercial online panels. Respondents’ postal codes were linked to the INSPQ deprivation index. Multinomial regression models examined the association between race/ethnicity, individual socioeconomic factors, neighborhood deprivation, and lifetime arrests or convictions for cannabis offenses. Overall, 4.4% of respondents reported a lifetime arrest or conviction for a cannabis-related offense. Black and Indigenous individuals had more than three times the odds of conviction than White individuals (AOR = 3.90, 95% CI = 2.07–7.35, p = <0.01; AOR = 3.24, 95% CI = 1.78–5.90, p = <0.01, respectively). Differences were still statistically significant after adjusting for cannabis use and socioeconomic factors; however, after adjusting for neighborhood deprivation, only the difference for Black individuals remained. Neighborhood deprivation was associated with cannabis-related convictions: the odds of a conviction among the “most privileged” and “privileged” neighborhoods were approximately half of those in the “most deprived” neighborhoods (AOR = 0.50, 95% CI = 0.29–0.86, p = 0.01; AOR = 0.50, 95% CI = 0.27–0.92, p = 0.03, respectively). Arrests and convictions for cannabis-related offenses were disproportionately higher among racialized individuals and those living in the most marginalized neighborhoods. Future research should examine whether inequities change following the legalization of recreational cannabis in Canada.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».