Legal Recreational Cannabis Sales and Opioid-Related Mortality in the 5 Years Following Cannabis Legalization in Canada: A Granger Causality Analysis
Notice bibliographique
Résumé
Objective: Little is known about the population-level impact of recreational cannabis legalization on trends in opioid-related mortality. Increased access to cannabis due to legalization has been hypothesized to reduce opioid-related deaths because of the potential opioid-sparing effects of cannabis. The objective of this study was to examine the relations between national retail sales of recreational (non-medical) cannabis and opioid overdose deaths in the 5 years following legalization in Canada. Method: Using time-series data, we applied Granger causality methods to evaluate the association between trends in legal recreational cannabis sales and opioid-related deaths over time. Both sales and opioid deaths grew over time, with the latter exhibiting significant increases following the onset of the COVID-19 pandemic. Results: We found no support for the hypothesis that increasing post-legalization sales Granger caused changes in opioid-related deaths in British Columbia, Ontario, or at the national level. Conclusions: These findings suggest that increases in legal recreational cannabis sales following legalization were not meaningfully associated with changes in opioid-related mortality. Further examination with longer follow-up periods will be needed as the legal cannabis market becomes more entrenched in Canada, but these findings converge with previous work suggesting legalization is not related to opioid overdose mortality and further undermine that hypothesized link as a basis for legalization in other jurisdictions.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| 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 | 0,001 |
| 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 ».