Examining the Potential Impact of Recreational Cannabis Legalization on Individuals Receiving Treatment for Substance Use Disorder: An Interrupted Time Series Study in Guelph, Ontario, Canada
Notice bibliographique
Résumé
Objective: The present research evaluated the impact of legalizing recreational cannabis among individuals with substance use disorders (SUDs) who may already use cannabis at high rates. Method: Using an interrupted time series study design, we evaluated the potential impact of legalizing recreational cannabis among individuals seeking treatment for SUD within a hospital-based treatment setting in Guelph, Ontario. We examined 2,925 individuals who entered an inpatient SUD treatment program between April 2017 and December 2021. We performed segmented regression analyses using both the date of cannabis legalization and the date of edibles legalization as the interruption time point. We also performed stratified analyses to examine potential sex differences. Results: We found no significant changes in the frequency of cannabis use using either of the interruption time points. However, among the subsample who had used cannabis, there was evidence of increasing CUD severity post-legalization of edibles, as well as an overall decreasing trend in readiness to quit over time. Stratified analyses also suggested possible sex differences in frequency of cannabis use, CUD severity, and readiness to quit. Conclusions: Results point to some small but potentially important impacts of recreational cannabis legalization that may only continue with time. Nevertheless, there is a need to continue to monitor cannabis use trends over time to understand any potential lagged effects.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».