Efficacy, Tolerability, and Safety of Cannabinoid Treatments in the Rheumatic Diseases: A Systematic Review of Randomized Controlled Trials
Notice bibliographique
Résumé
OBJECTIVE: To assess the efficacy, tolerability, and safety of cannabinoids (phyto- and syntheto-) in the management of rheumatic diseases. METHODS: Multiple databases, including Medline, Embase, and CENTRAL, were searched. Randomized controlled trials with outcomes of pain, sleep, quality of life, tolerability (dropouts due to adverse events), and safety (serious adverse events), with comparison of cannabinoids with any type of control, were included. Study methodology quality was evaluated with the Cochrane risk of bias tool. RESULTS: In 4 short-term studies comprising 203 patients (58 with rheumatoid arthritis, 71 with fibromyalgia, and 74 with osteoarthritis [OA]), cannabinoids had a statistically significant effect on pain in 2, sleep in 2, and improved quality of life in 1, with the OA study prematurely terminated due to futility. The risk of bias was high for all 3 completed studies. Dizziness, cognitive problems, and drowsiness, as well as nausea, were reported for almost half of the patients. No serious adverse events were reported for cannabinoids during the study duration. No studies of herbal cannabis were identified. CONCLUSION: Extremely small sample sizes, short study duration, heterogeneity of rheumatic conditions and products, and absence of studies of herbal cannabis allow for only limited conclusions for the effects of cannabinoids in rheumatic conditions. Pain relief and effect on sleep may have some potential therapeutic benefit, but with considerable mild to moderate adverse events. There is currently insufficient evidence to recommend cannabinoid treatments for management of rheumatic diseases pending further study.
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 | 0,066 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,038 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».