Cannabis Use And Oral Health Among First Nations In Canada
Notice bibliographique
Résumé
Canada legalized recreational cannabis in 2018 raising concerns among Indigenous peoples about the impact of cannabis on their oral health. We examined the association between cannabis and self-rated oral health in a national sample of First Nations (FN) youth and adults. Weighted samples representing 45,030 FN youth (12-17 years) and 269,186 FN adults (18 years+) were derived from the 2015-2016 FN Regional Health Survey approved by FN Information Governance Centre and University of Toronto Research Ethics Board. Logistic Regression evaluated fair/poor self-rated oral health. Independent variables included: cannabis use in the past year, socio-demographic characteristics, dental care access, self-reported oral conditions and perceived treatment needs, smoking, alcohol and drug use, diabetes, sugary foods. 27.2% FN youth and 30.3% FN adults reported cannabis use. Among adults, cannabis use was statistically significantly associated with self-rated fair/poor oral health, but when adjusting for other independent variables, only medical cannabis use versus no cannabis use was statistically significant (Adjusted odds ratio=1.37; 95% CI=1.08, 1.74; P<0.05). Among youth, non-medical cannabis use was statistically highly significant with an adjusted odds ratio for fair/poor oral health of 1.73 (95% CI=1.27, 2.35, P=0.001). Statistically significant associations between cannabis use and poor oral health were found in a national FN health survey, forming a baseline to measure trends in cannabis use and its impact on oral health among First Nations peoples.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».