Association of driving with blood delta-9-tetrahydrocannabinol: a systematic review
Notice bibliographique
Résumé
IMPORTANCE: Driving under the influence of cannabis increases the risk of motor vehicle collisions. In some jurisdictions, deterrence rests on the ability to detect delta-9-tetrahydrocannabinol (THC) in blood. Recent evidence suggests that there may be a nuanced relationship of blood THC to driving. OBJECTIVE: The purpose of this systematic review was to summarize all published papers investigating the presence of a linear relationship between blood THC and driving, primarily measured by simulated driving in the lab. OUTCOMES: The main outcomes assessed included "weaving"/lateral control (eg, standard deviation of lateral position), speed, car following (following distance; coherence), reaction time, and overall driving performance. RESULTS: Of the 4845 records from the literature search, only 12 met the inclusion criteria. Ten of these reported no significant linear correlations between blood THC and measures of driving (8 out of 9 for "weaving"/lateral control, 4 out of 5 for speed, 2 of 3 for car following tasks (coherence/headway maintenance task), 1/1 for reaction time, 3/3 for overall driving performance). The studies that did find an association between driving and blood THC employed complex driving situations. CONCLUSIONS: This synthesis has important implications for road safety given driving situations can be complex due to challenging road situations and increases in potency of cannabis over the past years. Current methods of detection of impairment may be suited to some types of situations but more large-scale studies on the relationship of blood THC and driving are needed that systematically vary driving complexity and cannabis potency.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».