A User’s Guide to Cannabinoid Therapies in Oncology
Notice bibliographique
Résumé
plant, are synthetic analogues, or occur endogenously. Although cannabinoids interact mostly at the level of the currently recognized cannabinoid receptors, they might have cross reactivity, such as at opioid receptors. Patients with malignant disease represent a cohort within health care that have some of the greatest unmet needs despite the availability of a plethora of guideline-driven disease-modulating treatments and pain and symptom management options. Cannabinoid therapies are varied and versatile, and can be offered as pharmaceuticals (nabilone, dronabinol, and nabiximols), dried botanical material, and edible organic oils infused with cannabis extracts. Cannabinoid therapy regimens can be creative, involving combinations of all of the aforementioned modalities. Patients with malignant disease, at all points of their disease trajectory, could be candidates for cannabinoid therapies whether as monotherapies or as adjuvants. The most studied and established roles for cannabinoid therapies include pain, chemotherapy-induced nausea and vomiting, and anorexia. Moreover, given their breadth of activity, cannabinoids could be used to concurrently optimize the management of multiple symptoms, thereby reducing overall polypharmacy. The use of cannabinoid therapies could be effective in improving quality of life and possibly modifying malignancy by virtue of direct effects and in improving compliance or adherence with disease-modulating treatments such as chemotherapy and radiation therapy.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,160 | 0,132 |
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 ».