Trends in Publications on Medical Cannabis from the Year 2000
Notice bibliographique
Résumé
Widespread use of cannabis as a drug and passage of legislation on its use should lead to an increase in the number of scientific publications on cannabis. The aim of this study was to compare trends in scientific publication for papers on medical cannabis, papers on cannabis in general, and all papers between the years 2000 and 2017. A search of PubMed and Web of Science was conducted. The overall number of scientific publications in PubMed increased 2.5-fold. In contrast, the number of publications on cannabis increased 4.5-fold and the number of publications on medical cannabis increased almost 9-fold. The number of publications on medical cannabis in Web of science increased even more (10-fold). The most significant number of publications was in the field of psychiatry. In the fields of neurology and cancer treatment there was a significant increase in the years 2011-2013. There was a rise in the number of publications on children and the elderly after 2013. The specific indications with the largest number of publications were HIV (261), chronic pain (179), multiple sclerosis (118), nausea and vomiting (102), and epilepsy (88). More than half of the publications on medical cannabis originated from the United States, followed by Canada. More than 66% of the publications were original studies. The spike in the number of scientific publications on medical cannabis since 2013 is encouraging. In light of this trend the authors expect an even greater increase in the number of publications in this area in coming years.
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 | 0,007 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,060 | 0,064 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».