Canadians’ use of cannabis for therapeutic purposes since legalization of recreational cannabis: a cross-sectional analysis by medical authorization status
Notice bibliographique
Résumé
BACKGROUND: There has been a precipitous decline in authorizations for medical cannabis since non-medical cannabis was legalized in Canada in 2018. This study examines the demographic and health- and medical cannabis-related factors associated with authorization as well as the differences in medical cannabis use, side effects, and sources of medical cannabis and information by authorization status. METHODS: Individuals who were taking cannabis for therapeutic purposes completed an online survey in early 2022. Multivariable logistic regression was used to determine odds ratios (OR) and 95% confidence intervals (CI) of demographic and health- and medical cannabis-related variables associated with holding medical cannabis authorization. The differences in medical cannabis use, side effects, and sources of information by authorization status were determined via t-tests and chi-squared analysis. RESULTS: A total of 5433 individuals who were currently taking cannabis for therapeutic purposes completed the study, of which 2941 (54.1%) currently held medical authorization. Individuals with authorization were more likely to be older (OR ≥ 70 years vs. < 30 years, 4.85 (95% CI, 3.49-6.76)), identify as a man (OR man vs. woman, 1.53 (1.34-1.74)), have a higher income (OR > $100,000/year vs. < $50,000 year, 1.55 (1.30-1.84)), and less likely to live in a small town (OR small town/rural vs. large city, 0.69 (0.59-0.81)). They were significantly more likely to report not experiencing any side effects (29.9% vs. 23.4%; p < 0.001), knowing the amount of cannabis they were taking (32.1% vs. 17.7%; p < 0.001), obtaining cannabis from regulated sources (74.1% vs. 47.5%; p < 0.001), and seeking information about medical cannabis from healthcare professionals (67.8% vs. 48.2%; p < 0.01) than individuals without authorization. CONCLUSIONS: These findings offer insight into the possible issues regarding equitable access to medical cannabis and how authorization may support and influence individuals in a jurisdiction where recreational cannabis is legalized, highlighting the value of a formal medical cannabis authorization process.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».