Rationale for cannabis-based interventions in the opioid overdose crisis
Notice bibliographique
Résumé
BACKGROUND: North America is currently in the grips of a crisis rooted in the use of licit and illicit opioid-based analgesics. Drug overdose is the leading cause of accidental death in Canada and the US, and the growing toll of opioid-related morbidity and mortality requires a diversity of novel therapeutic and harm reduction-based interventions. Research suggests that increasing adult access to both medical and recreational cannabis has significant positive impacts on public health and safety as a result of substitution effect. Observational and epidemiological studies have found that medical cannabis programs are associated with a reduction in the use of opioids and associated morbidity and mortality. AIMS AND METHODS: This paper presents an evidence-based rationale for cannabis-based interventions in the opioid overdose crisis informed by research on substitution effect, proposing three important windows of opportunity for cannabis for therapeutic purposes (CTP) to play a role in reducing opioid use and interrupting the cycle towards opioid use disorder: 1) prior to opioid introduction in the treatment of chronic pain; 2) as an opioid reduction strategy for those patients already using opioids; and 3) as an adjunct therapy to methadone or suboxone treatment in order to increase treatment success rates. The commentary explores potential obstacles and limitations to these proposed interventions, and as well as strategies to monitor their impact on public health and safety. CONCLUSION: The growing body of research supporting the medical use of cannabis as an adjunct or substitute for opioids creates an evidence-based rationale for governments, health care providers, and academic researchers to consider the implementation and assessment of cannabis-based interventions in the opioid crisis.
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 | 0,035 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,016 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,029 | 0,027 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».