Temporal Trends in Semen Quality, Hormone Levels, and Substance Use Among Infertile Men in Pre- and Post-Cannabis Legalization Eras in Canada
Notice bibliographique
Résumé
Background: The Cannabis Act (Bill C-45) was enacted in 2018, to legalize and regulate the use, production, and sale of nonmedical cannabis in Canada. While public health and safety implications of cannabis legalization have yet to be elucidated, the wide availability of cannabis necessitates health care providers to be knowledgeable about therapeutic potential and side effects of use. This study aimed to examine the temporal trends over two decades and the impact of the Cannabis Act in Canada, implemented in October 2018, on substance use, semen parameters, and testosterone levels of infertile men. Methods: We conducted a retrospective cohort study from a prospectively maintained database of a single infertility clinic. Demographic, fertility, and substance use history were correlated with semen and hormone assessments. Temporal trends in cannabis use and semen quality between 2001 and 2021 were investigated and compared between pre-cannabis legalization eras (PRCL) and post-cannabis legalization eras (POCL). Results: Our cohort included 11,630 patients (9411 PRCL and 2230 POCL). Cannabis use increased by 8.4% per year ( p <0.001), while alcohol and tobacco consumption declined (0.8% and 1.5% per year, p <0.05 and p =0.004, respectively). Similar trends were noticed in the POCL, with higher rates of cannabis use (22.4% vs. 12.9%, p <0.001) and decreased tobacco and alcohol intake (15.2% vs. 17.7%, p =0.005 and 50.5% vs. 55.2%, p <0.001, respectively) compared to the PRCL group. Semen concentration was lower in the POCL group (24.8±44.8 vs. 28.7±48.3 million/mL, p =0.03). Testosterone did not differ between the cohorts. Comparison between cannabis users ( n =1715) and nonusers ( n =9924) demonstrated a slight increase in sperm motility (25.9%±15.3% vs. 23.9%±15.0%, p =0.002) and decreased sperm concentration among users (27.6±53.5 vs. 23.9±15.0 million/mL, p =0.03). Conclusion: A nearly 10% rise in cannabis use in the POCL era was observed among men being investigated for infertility. Our data suggest cannabis use may be associated with an increase in testosterone, slightly improved sperm motility, and decreased sperm concentration.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».