Le cannabis et ses effets délétères : pour un débat plus nuancé
Bibliographic record
Abstract
Alors que plusieurs États américains ont fait le choix d’assouplir la législation entourant l’usage récréatif du cannabis et qu’au Canada, cette substance est encadrée par un programme fédéral pour son utilisation thérapeutique, le débat sur l’utilisation du cannabis et ses effets néfastes continue de faire couler beaucoup d’encre. S’éloignant souvent des données probantes, ce débat est généralement marqué par des positions clivées qui ne rendent pas compte des nuances récemment apportées par les données scientifiques sur le sujet. Afin de pouvoir bien évaluer les risques que pose cette substance, nous suggérons ici de délaisser le questionnement dichotomique quant au fait que le cannabis cause, ou pas, certains problèmes de santé au profit d’une discussion sur les facteurs modulant la relation entre le cannabis et certains effets délétères potentiels, notamment sur le plan de la cognition, de la psychose et de la toxicomanie. Nous discutons ainsi de certaines données sur la composition du cannabis, son mode d’utilisation, le type de population en faisant usage et la présence de stresseurs environnementaux, qui semblent tous moduler les risques associés à la consommation de cannabis. Devant les données indiquant que le cannabis est une substance psychoactive possédant à la fois des effets délétères et bénéfiques, et au regard du fait qu’une minorité d’individus éprouveront des difficultés après en avoir consommé, il nous semble crucial de faire bon usage et d’approfondir la littérature scientifique portant sur ces facteurs modulateurs. Nous pensons que cela pourrait permettre de mieux informer la population et prendre des décisions plus éclairées, notamment quant aux modalités entourant un éventuel changement au statut légal du cannabis.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.004 | 0.005 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.013 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".