MétaCan
Menu
Retour à la cohorte
Enregistrement W4391023507 · doi:10.1001/jamahealthforum.2023.4897

Recreational and Medical Cannabis Legalization and Opioid Prescriptions and Mortality

2024· article· en· W4391023507 sur OpenAlex
Hai V. Nguyen, Emma E. McGinty, Shweta Mital, G. Caleb Alexander

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJAMA Health Forum · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueCannabis and Cannabinoid Research
Établissements canadiensUniversity of ManitobaMemorial University of Newfoundland
Organismes subventionnairesNational Institute of Mental HealthJohns Hopkins University
Mots-clésCannabisLegalizationMedical prescriptionMedicineRecreationOpioidPopulationPoison controlEnvironmental healthDemographyPsychiatryLawPolitical scienceInternal medicinePharmacology

Résumé

récupéré en direct d'OpenAlex

Importance: While some have argued that cannabis legalization has helped to reduce opioid-related morbidity and mortality in the US, evidence has been mixed. Moreover, existing studies did not account for biases that could arise when policy effects vary over time or across states or when multiple policies are assessed at the same time, as in the case of recreational and medical cannabis legalization. Objective: To quantify changes in opioid prescriptions and opioid overdose deaths associated with recreational and medical cannabis legalization in the US. Design, Setting, and Participants: This quasiexperimental, generalized difference-in-differences analysis used annual state-level data between January 2006 and December 2020 to compare states that legalized recreational or medical cannabis vs those that did not. Intervention: Recreational and medical cannabis law implementation (proxied by recreational and medical cannabis dispensary openings) between 2006 and 2020 across US states. Main Outcomes and Measures: Opioid prescription rates per 100 persons and opioid overdose deaths per 100 000 population based on data from the US Centers for Disease Control and Prevention. Results: Between 2006 and 2020, 13 states legalized recreational cannabis and 23 states legalized medical cannabis. There was no statistically significant association of recreational or medical cannabis laws with opioid prescriptions or overall opioid overdose mortality across the 15-year study period, although the results also suggested a potential reduction in synthetic opioid deaths associated with recreational cannabis laws (4.9 fewer deaths per 100 000 population; 95% CI, -9.49 to -0.30; P = .04). Sensitivity analyses excluding state economic indicators, accounting for additional opioid laws and using alternative ways to code treatment dates yielded substantively similar results, suggesting the absence of statistically significant associations between cannabis laws and the outcomes of interest during the full study period. Conclusions and Relevance: The results of this study suggest that, after accounting for biases due to possible heterogeneous effects and simultaneous assessment of recreational and medical cannabis legalization, the implementation of recreational or medical cannabis laws was not associated with opioid prescriptions or opioid mortality, with the exception of a possible reduction in synthetic opioid deaths associated with recreational cannabis law implementation.

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,631
Score d'incertitude au seuil0,328

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,023
Tête enseignante GPT0,363
Écart entre enseignants0,340 · 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