Association of recreational cannabis legalization with changes in medical, illegal, and total cannabis expenditures in Canada
Notice bibliographique
Résumé
BACKGROUND: Recreational cannabis legalization (RCL) is being adopted by a growing number of jurisdictions internationally. RCL aims to displace the illegal cannabis market and has the potential to disrupt the medical market, yet few studies have examined these dynamics empirically. METHODS: We used interrupted time series analysis to evaluate whether RCL (legislative passage in October 2017/implementation in October 2018) was associated with changes in quarterly national household expenditures on medical cannabis, illegal cannabis, and all cannabis types combined (licensed, illegal, and medical) in Canada from 2001 to 2023, adjusting for price fluctuations. RESULTS: When RCL was passed, medical cannabis represented 11.8 % of the market and illegal cannabis 88.2 %. At five years post-RCL implementation, medical cannabis decreased to 3.7 %, illegal cannabis decreased to 24.3 %, and licensed cannabis took over 72.0 % of the market. The overall cannabis market increased in size by 75 % over these 5 years. Illegal cannabis expenditures increased between RCL passage and implementation but decreased immediately post-implementation and had a significant decreasing trend. Medical cannabis had a significant decreasing trend following RCL passage, and to a lesser extent following RCL implementation. Total cannabis expenditures increased immediately following RCL implementation and showed a significant increasing trend over time. Some caution should be used in interpreting these findings given uncertainty in data quality, particularly for illegal cannabis expenditures (and overall expenditures by extension). CONCLUSIONS: Recreational cannabis legalization in Canada appears to be achieving one of its primary goals by displacing the illegal cannabis market, and medical users also appear to be transitioning to the recreational market. However, overall cannabis expenditures have also grown substantially since legalization, which could have adverse implications for public health.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».