Changes in population‐level alcohol sales after non‐medical cannabis legalisation in Canada
Notice bibliographique
Résumé
INTRODUCTION: There is considerable interest in whether individuals substitute cannabis for alcohol and in legalisation's potential to reduce or increase alcohol-attributable harms. This study aimed to determine whether non-medical cannabis legalisation in Canada was associated with initial changes in population-level alcohol consumption. METHODS: This observational population-based study described changes in alcohol sales in Canada between 2004 and 2022. We calculated annual changes in the per capita volume of pure ethanol sold in Canada. We used an interrupted time series approach to examine immediate and gradual changes in per capita price-adjusted alcohol retailer sales value (CAD$) and beer producer sales volume (litres of product) after legalisation. RESULTS: During 2004-2022, Canadians aged 15+ spent on average CAD $751 per year on alcoholic beverages containing 8.18 L of ethanol. Annual ethanol sales volumes decreased by 0.06 (95% confidence interval [CI] -0.08 to -0.04; p = 0.001) litres per capita annually for beer but increased by 0.05 (95% CI 0.04 to 0.07; p = 0.001) litres per capita annually for other beverages, leaving no significant trend for ethanol sales overall. Following non-medical legalisation in October 2018, there were no immediate (-0.1%, 95% CI -1.3 to 1.1; p = 0.82) or gradual changes (-0.1% monthly, 95% CI -0.3 to 0.0; p = 0.12) in alcohol retailer sales. DISCUSSION AND CONCLUSION: Canada's non-medical cannabis legalisation was not associated with significant changes in population-level alcohol sales. These findings do not support the idea that cannabis legalisation may result in declining alcohol use and harms through the substitution of cannabis for alcohol.
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 | 0,000 |
| 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 | 0,000 | 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 ».