Blowing Minds: A cross-cultural, longitudinal investigation to unravel the highs and lows of recreational and medicinal cannabis users
Notice bibliographique
Résumé
Cannabis use is widely on the rise for recreational and medicinal purposes, with the latter often aimed at improving mental health and cognition. Simultaneously, the prevalence of cannabis-related health harms, such as cannabis use disorder (CUD), is increasing. Product potency, route of administration, and preexisting mental health symptoms play a role in the effects of cannabis; however, there is limited research on how broader factors, such as local cannabis legislation and perceptions of use, may influence these outcomes. Moreover, knowledge remains sparse regarding the growing population of medicinal users, predominantly using without medical supervision. Altogether, this illustrates the need for ecologically valid ways to investigate individuals and their cannabis usage within real-world settings. Therefore, this longitudinal, cross-cultural online study examines an international sample of regular recreational and medicinal users (aged 18-65) from different cannabis jurisdictions (e.g., the Netherlands, the United States, Brazil, Canada, and regions in Asia and Africa) in their natural environment via their mobile phone. By using the Experience Sampling Method (ESM), alongside a comprehensive battery of cognition and mental health related assessments over a 2-year period, we aim to gain insight into the short- and long-term mental health and cognitive determinants and consequences of cannabis use, and how these interact with broader, contextual factors, such as legislation. This is one of the first cross-cultural studies assessing both positive and negative effects of cannabis longitudinally, examining the full range of effects that cannabis may have on the individual.
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 | 0,001 |
| 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 ».