Cannabis use in palliative care: The prevalence and clinical characteristics.
Notice bibliographique
Résumé
245 Background: Cannabis has growing attention in palliative care, been used for some cancer related symptom burden, but limited data in terms of prevalence in palliative care setting and clinical characteristics with using it. Purpose: To identify the prevalence of positive rate of cannabis metabolite on urine drug sample (UDS) and compare clinical characteristics focused on symptoms burden on Edmonton Symptom Assessment Scale (ESAS) on the same day of UDS. Methods: We conducted retrospective medical records review of 919 consecutive supportive care clinic patients who were seen at a National Cancer Institute center during a 12-month period between 7/01/2015 to 6/30/2016. Results: 531 out of 919 patients were excluded because UDS was not ordered: either patients were established or had low risk of substance abuse by clinicians’ judgement. 2 patients did not complete ESAS on same day of UDS. 137 patients were excluded because of missing UDS results as well. Finally, 249 out of 919 patients were included for data analysis with their UDS and ESAS at same day of visit. 54 patients were positive for cannabis metabolite (THC: tetrahydrocannabinol) on UDS (22%). We found that positive cannabis group was younger (Mean age 56.1 vs 48.8, p-Value .001), reported higher score of total ESAS (Mean 45.5 vs 38.9, p-value 0.023), pain (Mean 6.13 vs 4.99, p-Value 0.007), and insomnia (6.04 vs 4.44, p-Value 0.001). In addition, positive cannabis group reported poorer overall wellbeing (5.43 vs 4.56, p-Value 0.015) and spiritual wellbeing (6.04 vs 4.44, p Value 0.040) compared to negative cannabis group. Conclusions: The positive results of cannabis on UDS may be a marker of greater symptom burden, in particular, pain, insomnia and poorer overall and spiritual wellbeing as assessed by ESAS patient’s self-reporting.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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) | 0,002 | 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 ».