Impact of legalization on cannabis exposure calls to the British Columbia Poison Control Centre
Notice bibliographique
Résumé
OBJECTIVE: The objective of this study was to examine whether cannabis exposure calls to the British Columbia Drug and Poison Information Centre (DPIC) were impacted by the legalization of non-medical cannabis in Canada. METHODS: We fit interrupted time series models to monthly counts of cannabis cases from 2013 to 2021, stratified by age and cannabis form. We set the intervention month to October 2018 legalization for cases involving inhaled dried cannabis and ingestible oils and capsules. We set the intervention month to January 2020 for cases involving edibles and inhaled concentrates to reflect their commercial rollout after their October 2019 legalization. RESULTS: DPIC managed 3989 cases involving cannabis exposure between 2013 and 2021. The rate (95% CI) of all cannabis cases increased by 17% (14%, 20%) annually from 2013 to October 2018 legalization. The highest pre-legalization increase was in pediatric edible cases with 52% (36%, 69%) and 57% (35%, 82%) annual increases among children aged 5 and under and 6 to 12, respectively. Upon legalization, the rate of cases consuming oil and capsule products spiked by 26% (- 19%, 96%) followed by a decrease, but remaining higher than the pre-legalization rate. Legalization did not have an immediate effect on the rate of cases involving edibles or inhaled cannabis, which all continued to increase post-legalization, albeit at slower rates. CONCLUSION: Regardless of the contributing factors to cannabis case trends at DPIC, these data highlight the importance of poisoning prevention policies, promotion of low-risk use, and routine surveillance.
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 | 0,002 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».