Changes in self-reported cannabis use during the COVID-19 pandemic: a scoping review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Background The COVID-19 pandemic is affecting mental health and substance use (MHSU) issues worldwide. The purpose of this study was to characterize the literature on changes in cannabis use during the pandemic and the factors associated with such changes. Methods We conducted a scoping review by searching peer-reviewed databases and grey literature from January 2020 to May 2022 using the Arksey and O’Malley Framework. Two independent reviewers screened a total of 4235 documents. We extracted data from 129 documents onto a data extraction form and collated results using content analytical techniques. Results Nearly half (48%) of the studies reported an increase/initiation of cannabis use, while 36% studies reported no change, and 16% reported a decrease/cessation of cannabis use during the pandemic. Factors associated with increased cannabis use included socio-demographic factors (e.g., younger age), health related factors (e.g., increased symptom burden), MHSU factors (e.g., anxiety, depression), pandemic-specific reactions (e.g., stress, boredom, social isolation), cannabis-related factors (e.g., dependence), and policy-related factors (e.g., legalization of medical/recreational cannabis). Conclusion Public health emergencies like the COVID-19 pandemic have the potential to significantly impact cannabis use. The pandemic has placed urgency on improving coping mechanisms and supports that help populations adapt to major and sudden life changes. To better prepare health care systems for future pandemics, wide-reaching education on how pandemic-related change impacts cannabis use is needed.
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.
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 | 0,013 |
| 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) | 0,203 | 0,001 |
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 découle