A commentary on the medicinal use of marijuana
Notice bibliographique
Résumé
BACKGROUND: Lately, the number of people using marijuana in the USA has dramatically increased. In 2018, many states have legalized marijuana use for both medical and recreational purposes, thus exploring the evidence behind medical marijuana use became essential. Muslim majority countries enforce rigorous rules as marijuana has been a long-debated issue due to the stigma associated with its use as a treatment. Marijuana has a high beneficial effect in managing chronic pain in adults and relieving spasticity symptoms in multiple sclerosis, obstructive sleep apnea syndrome, and fibromyalgia. As well as, used as pain management, and as anti-emetic in treatment of chemotherapy-induced vomiting and nausea. Marijuana is requested from more than one-third of posttraumatic stress disorder patients due to its significant clinical improvement in nightmares and subsidence disorder symptoms.Marijuana adversely affects the body's resistance to many infections, compromising their immune response. Its recreational use has led to an increasing trend in the occurrence of major acute cardiovascular events as stroke, epilepsy, acute myocardial infarction, congestive heart failure, and arrhythmia. CONCLUSION: Many countries started to allow medicinal use of marijuana due to its beneficial effect in managing chronic pain, spasticity symptoms in multiple sclerosis, obstructive sleep apnea syndrome, fibromyalgia, and posttraumatic stress disorder. But literature lacks benefit-harm analysis for marijuana usage in medicine. Therefore, evidence-based report of short- and long-term health effects of marijuana use-both harmful and beneficial effects-is crucial for further marijuana prescription in healthcare settings.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».