The Relationship Between Rates of Cannabis Use and Covid-19 Infection Rates During the Pandemic: An Analysis of Canada’s National Cannabis Survey
Notice bibliographique
Résumé
Background: The well-documented relationship between mental health and substance use is corroborated by recent research on the impacts of the Covid-19 pandemic on cannabis use behavior. Social isolation, anxiety, depression, stress, and boredom are all linked to the greater prevalence of cannabis and other substance use. Objectives: To better understand the relationship between infection rates in Canada and cannabis use behavior, this research examines the prevalence and frequency of cannabis use across health regions in all 10 provinces at the height of the pandemic. Methods: Our analyses linked data from the National Cannabis Survey with Covid-19 case rates and cannabis availability through legal retail outlets at the end of 2020, 2 years after cannabis legalization came into effect. Hierarchical generalized linear models were employed, controlling for age, gender, SES, mental health, the number of cannabis stores per square kilometer, and prevalence of cannabis use in each health region prior to the pandemic. Results: Even after controlling for other predictors, our models show that those residing where infection rates are higher are more likely to use cannabis and use it more often. Conclusions: The findings of this study support investing in better-targeted harm reduction measures in areas hit hardest by the pandemic to address contributing societal conditions. The implications are noteworthy for drug policy observers in North America and other global jurisdictions pursuing evidence-based public health approaches to regulating cannabis and other substance use.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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) | 0,000 | 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 ».