贾琳·侯 | 杰弗里·C·塔尔伯特 | 贾亚尼·贾亚瓦德哈纳
肯塔基大学公共卫生学院健康管理与政策系，列克星敦，KY 40536，美国
**摘要**
**目的**
尽管许多州已经将医用大麻和娱乐用大麻合法化，但其与非致命性阿片类药物中毒之间的关联仍不清楚。本研究探讨了各州大麻合法化政策与雇主赞助的健康保险参保者中非致命性阿片类药物中毒诊断之间的关联。
**方法**
本研究纳入了2011至2021年间美国Merative MarketScan商业索赔和就诊数据库中107,480,711名18至64岁的参保者，这些参保者具有至少1年的连续参保记录（平均年龄41岁，52%为女性）。通过使用分阶段采纳的差异-in-differences回归方法，比较了大麻合法化前后各州非致命性阿片类药物中毒的发生率。研究考察了四项政策：医用大麻合法化、医用大麻药房开放（MCD）、家庭医用大麻种植以及娱乐用大麻合法化（RCL）。
**结果**
医用大麻药房开放（MCD）和娱乐用大麻合法化（RCL）分别与每10万名参保者每季度非致命性阿片类药物中毒减少15.47%（系数=-1.73；95%置信区间：-2.72, -0.74）和11.92%（系数=-1.33；95%置信区间：-2.30, -0.37）相关。MCD带来的减少效果在18至34岁人群、男性和女性中显著，以及在过去一年内没有阿片类药物处方或大麻使用障碍诊断的人群和门诊服务使用者中尤为明显。
**结论**
医用大麻药房开放（MCD）和娱乐用大麻合法化（RCL）与雇主赞助的健康保险参保者中非致命性阿片类药物中毒的显著减少有关，尤其是在男性和年轻人群中。
**1. 引言**
大麻越来越被视为阿片类药物的安全替代品（Wen等人，2021年）。然而，阿片类药物过量服用在美国仍然非常普遍，2022年和2023年分别导致82,796人和80,719人死亡（Ahmad等人，2024年）。虽然2020年有68,630例致命性阿片类药物过量服用，但美国还有295,649例非致命性阿片类药物中毒（Casillas等人，2020年）。与非致命性过量服用一样，非致命性阿片类药物中毒也是由于处方阿片类药物和非法阿片类药物的使用造成的。2010至2020年间，非致命性阿片类药物中毒（2,419,835例）是致命性阿片类药物过量服用（408,970例）的5.9倍（Casillas等人，2020年）。几乎所有非致命性阿片类药物中毒事件都会寻求急诊治疗，从而导致更高的医疗成本。减少非致命性阿片类药物中毒事件也可能降低致命性阿片类药物过量服用的发生率。
许多州已经将医用大麻和娱乐用大麻合法化，扩大了这些物质作为疼痛等病症替代治疗的可用性（Hill等人，2017年）。目前，39个州和哥伦比亚特区（DC）已经将医用大麻合法化，允许成人和未成年人在符合条件的健康状况下使用大麻。医用大麻的适用条件因州而异，但通常包括严重或慢性疼痛、癌症、青光眼、慢性恶心、癫痫和丙型肝炎（Boehnke等人，2019年）。大多数州通过允许医用大麻药房（MCD）、家庭医用大麻种植（HC-MC）或两者兼有来扩展医用大麻的合法化范围（Pacula等人，2014年）。目前，24个州和DC拥有活跃的医用大麻药房，而15个州允许家庭医用大麻种植。与医用大麻合法化不同，娱乐用大麻合法化（RCL）允许21岁及以上的成年人无限制地使用大麻。目前，24个州和DC实施了娱乐用大麻合法化，许多其他州也在考虑采纳这一政策。RCL合法允许出于各种目的使用大麻，包括娱乐和自我治疗（ProCon.org，2024年）。
关于医用大麻合法化（MCL）和娱乐用大麻合法化（RCL）与阿片类药物相关健康结果的研究由于政策、人群、结果、时间范围和方法的不同而得出不同的结论。早期研究发现，MCL与阿片类药物过量死亡减少（Bachhuber等人，2014年；Powell等人，2018年）、因阿片类药物使用障碍而住院治疗（Powell等人，2018年；Shi，2017年）、阿片类药物相关致命事故（Kim等人，2016年）以及Medicaid参保者（Wen和Hockenberry，2018年）、Medicare Part D参保者（Bagwell Adams，2018年）和私人保险参保者（Wen等人，2021年；McMichael等人，2020年）的阿片类药物处方有关。相反，MCL与阿片类药物处方或致命性过量服用无关（Nguyen等人，2024年）；HC-MC与阿片类药物相关的住院和急诊就诊显著增加（Jayawardhana和Fernandez，2021年）；而MCD与阿片类药物相关的住院和急诊就诊无关（Shi，2017年；Jayawardhana和Fernandez，2021年）。研究还发现，RCL与Medicaid（Wen和Hockenberry，2018年）、私人保险参保者（Wen等人，2021年）和普通美国人群（McMichael等人，2020年）的阿片类药物处方减少有关。同样，RCL也与阿片类药物相关死亡减少有关（Livingston等人，2017年；Flyr，2020年）。然而，RCL与阿片类药物处方或致命性过量服用无关（Nguyen等人，2024年），但与阿片类药物相关的住院显著增加（Jayawardhana和Fernandez，2021年）。尽管有两项先前的研究探讨了大麻合法化与阿片类药物相关医疗利用之间的关联（Shi，2017年；Jayawardhana和Fernandez，2021年），但这些研究与本研究存在一些关键差异。首先，这两项研究使用的是较旧的数据（2016年之前的）州级汇总数据，并未涵盖所有50个州。其次，先前的研究中的阿片类药物相关医疗利用指标不仅包括非致命性阿片类药物中毒诊断（NF-OPD），还包括阿片类药物使用障碍的医疗利用。第三，这两项研究采用双向固定效应差异-in-differences方法进行估计，可能导致估计偏差。
尽管有研究探讨了MCL和RCL与阿片类药物处方、致命性阿片类药物过量服用和医疗利用之间的关联，但尚未有研究探讨MCL和RCL与非致命性阿片类药物中毒（NF-OPD）之间的关联。工作年龄人群受到阿片类药物流行的影响更大，尤其是25至64岁人群的阿片类药物过量死亡率高于其他年龄段（The Henry J. Kaiser Family Foundation，2024a）。男性中的阿片类药物过量死亡率也高于女性（The Henry J. Kaiser Family Foundation，2024b）。因此，研究MCL和RCL如何影响这一人群中的NF-OPD变化以及性别和年龄亚组的差异非常重要。
我们使用来自所有50个州和DC的2011至2021年的个人索赔数据，探讨了MCL和RCL与18至64岁雇主赞助保险参保者中NF-OPD之间的关联，并进一步通过性别和年龄作为效应修饰变量来探索关联的异质性。MCL和RCL与NF-OPD的关联取决于大麻是作为阿片类药物使用的替代品还是补充品，因为这两种法律通过消除法律处罚和增加供应有效地降低了合法大麻的价格。
**2. 方法**
**2.1. 研究设计和人群**
我们的主要数据来源是2011至2021年的Merative MarketScan®商业索赔和就诊数据库。该数据库记录了全国和各州代表性样本的在职员工及其家属、早期退休人员和综合预算协调法案参保者的医疗索赔和就诊情况。数据库包含149,661,303名参保者。我们将样本限制在18至64岁、具有完整性别和年龄信息、至少1年连续参保记录以及完整州居住信息的参保者，共计107,480,711人。每个排除标准下的参保者数量详见图1。平均年龄（标准差）为41.68岁（13.52岁），52%为女性。个体数据按州和季度汇总用于分析。使用MarketScan数据已获得作者所在机构的机构审查委员会批准。
**2.2. 测量指标**
我们的结果变量是每10万名参保者每季度的非致命性阿片类药物中毒率（NF-OPD rate）。我们根据《国际疾病分类》第九版（ICD-9）和第十版（ICD-10）的诊断代码识别NF-OPD，这些代码涵盖了鸦片、海洛因、美沙酮及其他阿片类药物及其相关麻醉品的中毒或意外中毒，以及鸦片、海洛因、美沙酮及其他阿片类药物及其相关麻醉品的不良反应（ICD-9：965.0, 970.1, E850, E935, E940.1；ICD-10：T40.0-T40.6）。
暴露变量是每个州和每个季度的医用大麻和娱乐用大麻合法化情况。我们区分了三种形式的MCL：第一种是初始MCL的指标，在合法化后的所有季度中为1，否则为0；第二种是一些州通过允许医用大麻药房开放（MCD）或家庭医用大麻种植（HC-MC）或两者兼有来延长初始MCL。为了捕捉这些政策实施时间的差异，我们增加了两个额外的指标变量，分别表示每个州医用大麻药房的存在（≥1家药房）和家庭医用大麻种植的存在。最后，我们增加了一个RCL的指标变量，在合法化后的所有季度中为1，否则为0。
我们还根据性别和年龄组（18–34岁、35–44岁、45–54岁和55–64岁）作为效应修饰变量来探讨关联。进一步探讨了阿片类药物处方历史（过去一年使用者与非使用者）、服务类型（住院与门诊）以及过去一年大麻使用障碍诊断（有与无）对关联的异质性。每个亚组的比率计算方法是将NF-OPD病例数除以该亚组的总参保人数，再乘以100,000。
为了解决潜在的混杂因素，我们纳入了州级时变协变量作为控制变量。这些变量包括同时实施的政策（如Medicaid扩展、处方药监测计划、强制性处方药监测计划、好撒玛利亚法、纳洛酮的可用性、纳洛酮联合处方要求和提供、制毒工厂法）；一般经济指标（如失业率、中位数家庭收入（以2020年美元不变值对数转换）、贫困率；其他健康相关指标（如未保险率、啤酒税）；州人口（对数转换）；女性比例；中位数年龄和黑人人口比例。为了更好地拟合线性结果变量，我们对中位数收入和人口使用了对数转换值。
州政策变量（如MCL、MCD、HC-MC、RCL、处方药监测计划的实施日期、提供者的处方药监测计划访问权限、制毒工厂立法、好撒玛利亚法以及纳洛酮的可用性）的数据来自Rand-USC Schaeffer阿片类药物政策工具和信息中心（RAND-USC Schaeffer Opioid Policy Tools and Information Center，2023年）和近期文献（Jayawardhana和Fernandez，2021年；Jayawardhana，2023年）。纳洛酮联合处方要求和提供的实施日期来自公共卫生法律网络（Lieberman和Davis，2023年）。州Medicaid扩展状态数据来自The Henry J. Kaiser Family Foundation（The Henry J. Kaiser Family Foundation，2023年）。州级社会经济数据来自美国人口普查局（U.S. Census Bureau，2026年），包括人口规模、中位数家庭收入、未保险比例、黑人人口比例、中位数年龄和贫困率（IPUMS USA，2026年）。州失业率数据来自美国劳工统计局（U.S. Bureau of Labor Statistics，2026年）。州啤酒税率数据来自城市研究所和布鲁金斯学会的税收政策中心（Tax Policy Center，2026年）。由于州级社会经济数据每年更新，我们将该值分配给第一季度，并使用线性插值法估算其他三个季度的值。
**2.3. 统计分析**
首先，我们对整个研究样本、研究样本的起始年份（2011年）和结束年份（2021年）进行了描述性分析。其次，为了估计MCL和RCL与NF-OPD之间的关联，我们使用了考虑时间（季度）固定效应、州固定效应和州内大麻合法化时间变化的异质性差异-in-differences回归（Angrist和Pischke，2009年；Gardner，2021年）。差异-in-differences方程如下：
Yst = β0 + βstPolicyst + γXst + δs + ηt + ϵst
其中s表示州，t表示季度。Yst表示每10万名参保者每季度的NF-OPD数量。Policyst表示每个特定政策（如MCL、MCD、HC-MC或RCL）在给定季度是否实施的指标，如果州实施了该政策则取值为1，否则为0。我们关注的术语是βst，它反映了可归因于该政策的成果变化。Xst是包括同时实施的政策和一般经济指标在内的州级协变量向量。δs是州固定效应，ηt是季度固定效应，分别用于解释未观察到的州内异质性和全国性的长期趋势及阿片类药物中毒的共同冲击。我们为每个感兴趣的政策变量估计了四个独立模型。
差异-in-differences方法假设，在没有政策实施的情况下，实施该政策的州会与未实施该政策的州遵循相似的趋势。Gardner估计量是一种无偏的（Angrist和Pischke，2009年；Gardner，2021年），能够在实际效果可能随时间和州而变化的情况下估计平均处理效应。我们还重新估计了加入了性别和年龄交互项的模型，这些交互项作为效应测量修饰因子，并使用Wald检验来测试不同性别和年龄组之间关联的异质性。相对于政策实施前的百分比变化是使用delta方法计算的（Angrist和Pischke，2009）。所有分析都按照每个州和每个季度的参保人数进行了加权，并且在州层面对标准误差进行了聚类，以调整州内的依赖性。此外，我们调查了哪些患者群体可能因为阿片类药物处方历史、接受的护理类型以及过去一年中大麻使用障碍的诊断而经历NF-OPD的变化。由于NF-OPD通常与阿片类药物处方历史相关，我们分别估计了有和没有阿片类药物处方的患者中MCL和RCL与NF-OPD的关联，以及接受住院和门诊护理的患者中的关联。因为大麻可能替代或补充阿片类药物，我们估计了有和没有过去一年大麻使用障碍的成年人中MCL和RCL与NF-OPD的关联（Wen等人，2021；McMichael等人，2020）。在使用差异-in-differences方法时，检查平行趋势假设是否被违反是很重要的（Angrist和Pischke，2009）。因此，我们进行了事件研究分析来测试结果变量的现有趋势（Angrist和Pischke，2009）。我们使用STATA 19.5（StataCorp LLC，College Station，TX）进行了所有统计分析。
3. 结果
表1展示了描述性统计信息。2011-2021年间，平均每10万参保者的NF-OPD发生率为10.94例。附录图1显示了按州大麻合法化状态划分的季度NF-OPD趋势，非合法化州的平均发生率更高。
表1. 2011-2021年美国商业保险个体的汇总统计信息。
变量 平均值（标准差）
n = 107,480,711 2011
n = 40,921,731 2021
n = 13,885,628 2021
结果测量指标 每10万参保者的非致命阿片类药物中毒诊断数 10.37（3.60） 9.09（2.95） 9.21（2.87）
暴露因素 医用大麻合法化 0.41（0.49） 0.24（0.43） 0.61（0.48）
医用大麻药房 0.30（0.45） 0.14（0.35） 0.58（0.49）
家庭种植医用大麻 0.25（0.43） 0.21（0.41） 0.28（0.45）
休闲大麻合法化 0.08（0.27） 0.00（0.00） 0.35（0.47）
同时实施的政策 医疗补助扩展 0.33（0.47） 0.00（0.00） 0.60（0.48）
处方药监测计划强制要求 0.22（0.41） 0.00（0.00） 0.39（0.48）
处方药监测计划 0.84（0.35） 0.57（0.49） 0.97（0.15）
善意救助法 0.52（0.49） 0.05（0.22） 0.85（0.35）
药片工厂法 0.30（0.45） 0.19（0.39） 0.38（0.48）
纳洛酮可获得性 0.49（0.49） 0.06（0.24） 0.97（0.15）
纳洛酮共同处方强制要求 0.04（0.19） 0.00（0.00） 0.23（0.42）
纳洛酮共同处方提供 0.02（0.15） 0.00（0.00） 0.16（0.37）
经济条件和其他人口统计变量 州失业率 0.06（0.02） 0.09（0.01） 0.05（0.01）
州家庭收入中位数（对数） 10.61（0.15） 10.55（0.12） 10.73（0.14）
州贫困水平 0.14（0.03） 0.15（0.02） 0.11（0.02）
州人口（对数） 16.13（0.84） 16.11（0.86） 16.19（0.83）
州中位年龄 37.39（2.21） 36.73（2.27） 38.28（2.00）
州女性人口比例 0.51（0.01） 0.51（0.01） 0.50（0.01）
州黑人人口比例 0.14（0.08） 0.13（0.07） 0.14（0.08）
州啤酒税率 0.29（0.26） 0.27（0.24） 0.31（0.26）
州未保险健康率 0.12（0.04） 0.16（0.04） 0.09（0.03）
注：所有平均值均按参保人数加权。
表2展示了主要回归结果。MCD与每季度每10万参保者NF-OPD减少1.73例相关（95%置信区间：0.74, 2.72），与没有MCD的州相比相对减少了15.47%。RCL与每季度每10万参保者NF-OPD减少1.33例相关（95%置信区间：0.37, 2.30），与没有RCL的州相比相对减少了11.92%。
表2. 2011-2021年美国商业保险个体中州大麻合法化与非致命阿片类药物中毒的关联。
空单元 医用大麻合法化 医用大麻药房 家庭种植医用大麻 休闲大麻合法化
估计值 -0.23 -1.73 -0.12 -1.33
置信区间 (-1.90, 1.43) (-2.72, -0.74) (-1.79, 1.54) (-2.30, -0.37)
政策实施前平均值 11.18 11.18 11.34 11.15
# 州观测值 1496 211 211 282 2244
注：调整中的控制变量包括表1中描述的所有同时实施的政策、经济条件和其他人口统计变量。
表3展示了按性别和年龄组的结果。MCD与男性和女性NF-OPD分别减少了16.02%（系数 = -1.63；95%置信区间：-2.81, -0.46）和14.10%（系数 = -1.63；95%置信区间：-2.86, -0.40）。然而，男性和女性之间的系数差异在统计上不显著（Wald χ2 = 0.00，p = 0.99）。MCD与18-34岁年龄段的成年人NF-OPD减少了23.27%（系数 = -2.94；95%置信区间：-4.98, -0.89）。然而，MCD与更年长年龄组（35-44岁、45-54岁、55-64岁）的NF-OPD没有显著关联。所有年龄组（18-34岁、35-44岁、45-54岁、55-64岁）之间的系数差异在统计上也不显著（Wald χ2 = 6.27，p = 0.099）。MCL和RCL与男性和女性或所有年龄组的NF-OPD之间没有显著关联。
表3. 2011-2021年美国商业保险个体中州大麻合法化与非致命阿片类药物中毒的关联（按性别和年龄组划分）。
空单元 男性 女性
年龄 18-34岁 年龄 35-44岁 年龄 55-64岁
医疗大麻药房 估计值 -1.63 -1.63 -2.94 -0.82 -0.90 -1.28
置信区间 (-2.81, -0.46) (-2.86, -0.40) (-4.98, -0.89) (-1.82, 0.16) (-1.98, 0.17) (-2.76, 0.20)
政策实施前平均值 10.17 11.56 12.63 7.50 10.48
亚群体间异质性Wald检验 χ2 = 0.00，p = 0.99 χ2 = 6.27，p = 0.099
# 州观测值 211 211 211 211
休闲大麻合法化 估计值 -1.31 -1.40 -2.20 -0.92 -1.23 -0.44
置信区间 (-3.09, 0.46) (-2.89, 0.087) (-5.60, 1.19) (-2.01, 0.16) (-3.03, 0.57) (-3.06, 2.16)
政策实施前平均值 10.44 11.21 13.03 7.31 10.36
亚群体间异质性Wald检验 χ2 = 0.01，p = 0.94 χ2 = 1.52，p = 0.67
# 州观测值 224 224 2244
注：调整中的控制变量包括表1中描述的所有同时实施的政策、经济条件和其他人口统计变量。
MCD与过去一年内没有阿片类药物处方的患者NF-OPD减少了15.01%（系数 = -1.24；95%置信区间：-2.19, -0.29）（附录表1）。在有阿片类药物处方的患者中，没有观察到MCD和NF-OPD之间的显著关联。在有或没有过去一年阿片类药物处方的个体中，MCD和RCL与NF-OPD之间没有显著关联。MCD和RCL分别与门诊患者NF-OPD减少了19.78%（系数 = -3.07；95%置信区间：-4.99, -1.55）和13.12%（系数 = -2.07；95%置信区间：-3.65, -0.39），而在住院患者中则没有显著关联（附录表2）。MCD和RCL分别与没有过去一年大麻使用障碍的患者NF-OPD减少了13.12%（系数 = -1.61；95%置信区间：-2.53, -0.69）和11.50%（系数 = -1.15；95%置信区间：-2.02, -0.27），而在有过去一年大麻使用障碍的患者中则没有显著关联（附录表3）。
通过具有政策滞后和领先时间的事件研究，我们能够估计每个季度MCD和RCL相对于政策实施日期的关联（图2）。我们发现，在有和没有MCD或RCL的州之间，政策实施前的NF-OPD没有差异，因为政策实施前的系数几乎为零，这支持了平行趋势假设。然而，我们观察到RCL效应在实施前一个季度就已经出现。在MCD实施后和RCL实施前一个季度，我们观察到NF-OPD立即减少。
下载：下载高分辨率图片（210KB）
下载：下载全尺寸图片
图2. 2011-2021年美国商业保险个体中州大麻合法化与非致命阿片类药物中毒诊断的事件研究。注意：调整中的控制变量包括表1中描述的所有同时实施的政策、经济条件和其他人口统计变量。条形代表95%置信区间。
4. 讨论
我们发现，在各州开放MCD和实施RCL后，这一人群中的NF-OPD减少了。MCD与NF-OPD减少了15.47%，RCL与NF-OPD减少了11.92%。MCD带来的减少在男性和女性、18-44岁的成年人以及过去一年内没有阿片类药物处方或大麻使用障碍的个体中显著。RCL带来的减少在门诊患者以及过去一年内没有阿片类药物处方或大麻使用障碍的个体中显著。这些发现表明，通过MCD和RCL扩大大麻的获取与雇主赞助保险的成年人中NF-OPD的减少有关，尤其是在受阿片类药物流行影响较大的男性和年轻成年人中（The Henry J. Kaiser Family Foundation，2024a；The Henry J. Kaiser Family Foundation，2024b）。年轻人在阿片类药物使用障碍治疗中的复发率也更高（Fishman等人，2020），并且阿片类药物使用的转变更可预测（Guarino等人，2018），因此通过MCD和RCL增加大麻的获取可能会减少受严重影响人群中的NF-OPD，表明大麻可能替代了阿片类药物（Wen等人，2021）。减少也可能反映了当地行为变化、医疗保健获取、多物质使用的转变、非法阿片类药物供应的变化或报告实践的变化。
MCD与过去一年内没有阿片类药物处方的患者NF-OPD减少了15.01%（附录表1）。尽管这些个体没有阿片类药物处方记录，但他们可能接受了非法阿片类药物，从而导致NF-OPD。文献显示，MCL与可以替代阿片类药物的非阿片类药物的使用减少有关（Bradford和Bradford，2016）。然而，本研究中使用的索赔数据没有记录任何非法阿片类药物的信息。在门诊患者中，MCD和RCL分别与NF-OPD减少了19.78%和13.12%，但在住院患者中没有显著关联。这并不奇怪，因为门诊患者更容易获得医疗和休闲大麻，尽管住院患者不太可能获得。
MCD和RCL分别与没有过去一年大麻使用障碍的成年人NF-OPD减少了13.12%和11.50%。然而，在有过去一年大麻使用障碍的个体中，MCD和RCL与NF-OPD之间没有显著关联。只有20%-30%的大麻使用者可能会发展成大麻使用障碍（Jayawardhana等人，2025）。有大麻使用障碍的患者可能是大量（或有问题）使用大麻的个体，他们不太可能用大麻替代阿片类药物（Gorfinkel等人，2021），因此这些发现并不令人惊讶。我们的发现与先前将MCL和RCL与阿片类药物过量死亡、阿片类药物处方和阿片类药物相关医疗利用联系起来的研究结果一致。MCL与阿片类药物过量死亡减少的机制主要通过与监管较宽松的药房有关（Powell等人，2018）。先前研究检查MCL或MCD与阿片类药物相关结果的关联，发现阿片类药物处方减少了6%-14.4%（Wen和Hockenberry，2018；Bagwell Adams，2018；McMichael等人，2020），致命阿片类药物过量减少了20%-25%（Bachhuber等人，2014；Powell等人，2018），以及阿片类药物相关住院减少了13%（Shi，2017）。同样，RCL与阿片类药物处方减少了6%-7%（Wen和Hockenberry，2018；McMichael等人，2020），以及致命阿片类药物过量减少了7%-35%（Livingston等人，2017；Flyr，2020）。先前研究中的不同人群和时间段可能解释了本研究中估计值的差异。然而，无论我们使用2011-2021年还是2011-2019年的数据，我们都发现MCD和RCL分别与NF-OPD减少了15%-25%和11%-15%。
4.1. 限制和优势
本研究的优势在于使用来自50个州和DC的2011-2021年的大量索赔数据，对州大麻合法化与NF-OPD之间的关联进行了稳健的估计。据我们所知，这是第一项研究，它检查并发现了MCD和RCL与雇主赞助保险的成年人NF-OPD之间的负相关，并根据性别和年龄组、服务类型以及过去一年的阿片类药物处方和大麻使用障碍诊断来检查关联的异质性。然而，它也有一些限制。首先，由于我们的索赔数据的性质，无法观察到个体药物替代的机制。其次，由于缺乏强制性的毒理学检测和/或污名化，索赔数据中的NF-OPD诊断可能被低估或错误分类（Hoots，2021）。第三，我们不知道大麻的医疗益处。第四，由于本研究关注的是雇主赞助保险的成年人，因此发现可能不适用于其他人群。
5. 结论
本研究表明，在MCD和RCL扩大大麻获取后，NF-OPD显著减少，特别是在男性和年轻成年人（18-34岁）中，他们受到阿片类药物流行的影响更大（The Henry J. Kaiser Family Foundation，2024a；The Henry J. Kaiser Family Foundation，2024b）。这些发现支持继续基于证据的阿片类药物使用障碍治疗，同时政策制定者将合法化视为补充措施，并优先考虑减少伤害和扩大治疗。
作者贡献声明
Jialin Hou：撰写——原始草稿、方法论、正式分析、数据管理。
Jeffery C. Talbert：撰写——审阅与编辑、资源获取。
Jayani Jayawardhana：撰写——审阅与编辑、撰写——原始草稿、监督、软件、资源、项目管理、方法论、数据管理、概念化。
资助
本研究得到了NIH国家转化科学促进中心的资助，通过授权号UL1TR001998。本手稿中表达的任何观点、发现、结论或建议均为作者的观点，并不一定反映NIH的观点。
打赏
