Dried Cannabis Use, Tobacco Smoking, and COVID-19 Infection: Findings from a Longitudinal Observational Cohort Study
Notice bibliographique
Résumé
Objective: The potential impact of cigarette and cannabis smoking on COVID-19 infection outcomes is not well understood. We investigated the association between combustible tobacco use and dried cannabis use with COVID-19 infection in a longitudinal cohort of community adults. Method: The sample comprised 1,343 participants, originally enrolled in 2018, who reported their cigarette and cannabis use in 11 assessments over 44 months, until 2022. COVID-19 infection history were self-reported after the onset of the pandemic. Univariate and multivariate logistic regression analyses were performed. The potentially confounding factor of vaccination status was also considered by stratifying data by booster vaccination self-reporting. Results: Among 1,343 participants, 820 (61.1%) reported any COVID-19 infection. Dried cannabis use (46.3% of participants, n = 721) was associated with higher self-reporting of 2+ COVID-19 infections (13.3% vs. 7.3% in non-users, p = .0004), while tobacco use (18.5% of participants, n = 248) had no significant effect (13.3% vs. 10.0% in no use group, p = .116). When stratified into single or dual substance use groups, dried cannabis-only use was associated with increased reporting of 1 or 2+ COVID-19 infections compared to substance non-users, while tobacco-only use and dual use groups were not significantly different from non-users. To account for differences in vaccination rates between substance use groups, we found that, among individuals with a COVID-19 booster vaccine, dried cannabis use was still associated with increased reporting of 2+ COVID-19 infections (p = .008). Conclusions: Our study suggests that dried cannabis use is associated with a higher likelihood of reporting 2+ COVID-19 infections. Although the study was observational and relied on self-report infection status, our findings support the need for further investigation into the impact of cannabis use on COVID-19 infection, particularly studies employing controlled experimental designs.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».