Persistence of use of prescribed cannabinoid medicines in Manitoba, Canada: a population‐based cohort study
Notice bibliographique
Résumé
BACKGROUND AND AIMS: To estimate prevalence of continuous use (persistence) of prescribed cannabinoid medications for up to 1 year from initial prescription in Manitoba, Canada and predictors of duration of use. DESIGN AND SETTING: A retrospective, population-based, cohort study using administrative data from the Manitoba Population Research Data Repository located at the Manitoba Centre for Health Policy, Canada. PARTICIPANTS: People without a record of a previous prescription who were prescribed a cannabinoid medication from 1 April 2004 to 1 April 2016 followed for 1 year from the date of first prescription. MEASUREMENTS: Continuous prescribed cannabinoid medication use was defined as use without a gap exceeding 60 days between prescriptions. The primary outcome was prevalence of continuous prescribed cannabinoid medication use for up to 1 year. A secondary outcome was duration of continuous use. Predictors were socio-demographic characteristics, medical diagnoses and type of cannabinoid medication. FINDINGS: Among 5452 new users, 18.1% [95% confidence interval (CI) = 17.08-19.12] were still using cannabinoids at 1 year. Median duration of use was 31 days [interquartile range (IQR) = 25-193]. This was highest for nabilone (33 days, IQR = 25-199) and lowest for nabiximols (20 days, IQR = 7-30). Use was longest among 19-45- and 46-64-year-old users and those with the highest socio-economic status. Fibromyalgia [hazard ratio (HR) = 0.89, 95% CI = 0.84-0.95], osteoarthritis (HR = 0.91, 95% CI = 0.82-0.97) and substance use disorder (HR = 0.85, 95% CI = 0.76-0.94) diagnoses were associated with longer use (HR for discontinuation-HR < 1 less discontinuation and longer use). A diagnosis of cancer was associated with shorter use (HR = 2.73, 95% CI = 2.02-3.67). CONCLUSIONS: In Manitoba, Canada approximately 18% of people prescribed cannabinoid medication continue using for at least 1 year. Duration of use varies with type of cannabinoid medication, age, socio-economic status and dagnosis.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».