Changes in patterns of use and perceptions of cannabis among students in Canada: A decade of data from the Canadian Student Alcohol and Drugs Survey
Notice bibliographique
Résumé
Introduction: The Canadian Student Alcohol and Drugs Survey is a biennial, repeat cross-sectional survey of grade 7-12 students in the Canadian provinces. This study examined cannabis-related behaviours at five timepoints before and after legalization of cannabis for non-medical purposes. Methods: Trends over time were examined using data from 2014-15 to 2023-24 (n = 264,558). Binary logistic regression examined changes in cannabis use and related behaviours, including frequency; usual method of use; perceived risk and access; usual source; and motor vehicle behaviours. Data were stratified by sex and grade group (grade 7-9 vs. 10-12). Results: Overall, there was no change in prevalence of past 12-month, past 30-day, or frequent cannabis use (p > 0.05 for all); however, modest increases were observed among females and grade 7-9 students (p < 0.05 for both). Vaping surpassed smoking as the most common method of consumption in 2023-24. Smoking and dabbing cannabis decreased over time, whereas vaping and eating cannabis increased (p < 0.001 for all). Perceived risk of regularly smoking cannabis decreased (p < 0.001), and perceived ease of cannabis access increased (p < 0.001). The most common cannabis sources were social sources. There was no change in driving after using cannabis (p > 0.05), whereas there was a recent increase in riding with a driver who had used cannabis (p < 0.001). Conclusion: While legalization and regulation of cannabis for non-medical purposes was not associated with increases in overall cannabis use among students in Canada, increasing rates of use in females and younger students, and changes in perceptions of risk and accessibility require continued monitoring.
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 | 0,001 | 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 ».