Cannabinoid Analgesia as a Potential New Therapeutic Option in the Treatment of Chronic Pain
Notice bibliographique
Résumé
OBJECTIVE: To review the literature concerning the physiology of the endocannabinoid system, current drug development of cannabinoid agonists, and current clinical research on the use of cannabinoid agonists for analgesia. DATA SOURCES: Articles were identified through a search of MEDLINE (1966-August 2005) using the key words cannabis, cannabinoid, cannabi*, cannabidiol, nabilone, THC, pain, and analgesia. No search limits were included. Additional references were located through review of the bibliographies of the articles identified. STUDY SELECTION AND DATA EXTRACTION: Studies of cannabinoid agonists for treatment of pain were selected and were not limited by pain type or etiology. Studies or reviews using animal models of pain were also included. Articles that related to the physiology and pharmacology of the endocannabinoid system were evaluated. DATA SYNTHESIS: The discovery of cannabinoid receptors and endogenous ligands for these receptors has led to increased drug development of cannabinoid agonists. New cannabimimetic agents have been associated with fewer systemic adverse effects than delta-9-tetrahydrocannabinol, including recent development of cannabis medicinal extracts for sublingual use (approved in Canada), and have had promising results for analgesia in initial human trials. Several synthetic cannabinoids have also been studied in humans, including 2 cannabinoid agonists available on the international market. CONCLUSIONS: Cannabinoids provide a potential approach to pain management with a novel therapeutic target and mechanism. Chronic pain often requires a polypharmaceutical approach to management, and cannabinoids are a potential addition to the arsenal of treatment options.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».