MétaCan
Menu
Retour à la cohorte
Enregistrement W4409804427 · doi:10.1002/adaw.34499

Legalization of cannabis leads to increase in use, decrease in use disorder

2025· article· en· W4409804427 sur OpenAlexaboutno aff
Alison Knopf

Notice bibliographique

RevueAlcoholism & Drug Abuse Weekly · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCannabis and Cannabinoid Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLegalizationCannabisPsychiatryPsychology

Résumé

récupéré en direct d'OpenAlex

The frequency of cannabis use increased signifcicantly, but misuse discreased, in a study of almost 1,500 adults. A prospective cohort study has found that five years after legalization, the frequency of cannabis use increased modestly, while cannabis misuse decreased modestly. Frequent consumers of cannabis before legalization showed the largest decreases in both frequency of use and cannabis misuse after legalization. The study was conducted on community‐dwelling (living independently in a house or apartment, not an institution) adults assessed 11 times from September 2018 to October 2023 in Ontario. The results, according to study authors, suggest that recreational cannabis legalization was associated with modest negative and positive consequences. The study, “Cannabis Use and Misuse Following Recreational Cannabis Legalization,” is published in the April 23 issue of JAMA Network Open, and by André J. McDonald, PhD, MPH and colleagues. For the study, frequency was defined as the mean proportion of days using cannabis, which went up by 1.75% over 5 years. In cased, cannabis use disorder scores decreased significantly over 5 years. Interestingly, the decrease of cannabis use disorder was most pronounced with the onset of the COVID‐19 pandemic. Over that 5‐year period, product preferences shifted away from dried flower, hashish, concentrates, oil, tinctures, and topics to edibles, liquids, and vape pens.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,132

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,302
Écart entre enseignants0,286 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlcoholism & Drug Abuse WeeklyMême sujetCannabis and Cannabinoid ResearchTravaux en français237 207