“Stoned on the road”: A systematic review of cannabis-impaired driving educational initiatives targeting young drivers in Canada
Notice bibliographique
Résumé
BACKGROUND: With recreational cannabis legalized across Canada, concerns persist about youth driving under the influence of cannabis (DUIC). However, the extent of DUIC education and prevention efforts aimed at young Canadians remains unclear. This systematic review examines recent Canadian initiatives (2017 onwards) focused on reducing DUIC among youth. Specifically, we investigate (1) the types of initiatives and target audiences, (2) content and delivery methods, (3) sustainability, and (4) evidence of impact. METHODS: A comprehensive search was conducted across MEDLINE, PsycINFO, CINAHL, SCOPUS, and EMBASE (January 1, 2017-July 10, 2023), along with various grey literature sources. Initiatives were included if they targeted DUIC behaviour among youth aged 16 to 24, were developed and delivered in Canada by reputable organizations or individuals with institutional support, and aimed to address DUIC behaviour or its enabling conditions. Data extraction and quality appraisal were performed. RESULTS: Fifteen Canadian initiatives were identified: seven educational programs and eight awareness campaigns, encompassing national and regional levels. Delivery methods included in-person workshops, digital tools, online programs, and smartphone applications. While some initiatives increased awareness and influenced perceptions of DUIC, evidence of behaviour change remained limited. Challenges related to sustainability, particularly concerning long-term funding and digital platform maintenance, were noted. CONCLUSIONS: This research highlights the progress made in addressing youth DUIC in Canada. Examining current DUIC educational initiatives is crucial for refining strategies, shaping policy, and allocating resources to prioritize the safety of young Canadians. Future efforts should focus on assessing behavioural impacts and ensuring financial sustainability and program longevity.
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 | 0,012 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,004 |
| Bibliométrie | 0,018 | 0,030 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».