Medicinal marijuana use: experiences of people with multiple sclerosis.
Notice bibliographique
Résumé
OBJECTIVE: To describe medical marijuana use from the perspectives of patients with multiple sclerosis. DESIGN: A qualitative, descriptive design was used. Participants discussed their medicinal marijuana use in one-to-one, semistructured interviews. SETTING: Interviews were conducted at a time and place convenient to participants. PARTICIPANTS: Six men and eight women with multiple sclerosis participated. METHOD: Potential participants identified themselves to the researcher after receiving an invitation in a mailed survey. Eligibility was confirmed, and purposive sampling was used to recruit subjects. A range of issues emerged from the interviews. Interviews and data analysis continued until saturation occurred. MAIN FINDINGS: Descriptions fell into three broad areas: patterns of use, legal or social concerns, and perceived effects. Consumption patterns ranged from very infrequent to very regular and were influenced by symptoms, social factors, and supply. Legal concerns expressed by most respondents were negligible. Social concerns centred on to whom use was revealed. The perceived benefits of use were consistent with previous reports in the literature: reduction in pain, spasms, tremors, nausea, numbness, sleep problems, bladder and bowel problems, and fatigue and improved mood, ability to eat and drink, ability to write, and sexual functioning. Adverse effects included problems with cognition, balance, and fatigue and the feeling of being high. Although participants described risks associated with using marijuana, the benefits they derived made the risks acceptable. CONCLUSION: Further research is needed to clarify the safety and efficacy of marijuana use by patients with multiple sclerosis. If evidence of benefit is seen, medicinal marijuana should be made available to patients who could benefit from it. Until then, discussing medicinal marijuana use with patients will be awkward for health professionals.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».