Predictors of Change in Cannabis use Status From Pre- to Post-Recreational Cannabis Legalization in Canada: Evidence From a Two-Wave Longitudinal National Survey
Notice bibliographique
Résumé
Objective: In October 2018, the Government of Canada legalized cannabis for recreational use nationwide. The effects of legalization on cannabis use have been primarily assessed through cross-sectional surveys. Method: In the present study, a two-wave longitudinal design was used to explore potential demographic, substance use and behavioral addiction, and mental health predictors of change in cannabis use status following legalization. Canadian online panelists (18+) were initially surveyed about their gambling and substance use in 2018 (i.e., before cannabis legalization). From the original sample, 4,707 (46.2%) were retained in the follow-up survey one year later, post-cannabis legalization. These respondents were the focus of the present study. Results: When queried about how legalization would impact their use, 61.8% said, 'I'll never use it', 21.1% stated "I'll use it about the same as I do now," 10.3% indicated, "I may try it for the first time," 5.0% answered, "I'll use it more," and 1.9% responded that, "I'll use it less." Consistent with these sentiments, within the retained sample there was a modest but significant increase in cannabis use from baseline (18.4%) to follow-up (26.1%). Regressions established that younger age, being male, substance use, tobacco or e-cigarette use, problematic gambling, and stated intention to use cannabis were predictors of later cannabis use. Conclusions: This national cohort design indicates that cannabis use appears to have increased in Canada following legalization. The present study makes a unique contribution by also identifying variables that statistically forecast movement toward and away from cannabis 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 | 0,001 | 0,003 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».