Knowledge, practices, and attitudes of certified medical marijuana consultants in Washington state
Notice bibliographique
Résumé
Background: Washington is the only U.S. state to recognize and certify the medical marijuana consultant role. Medical marijuana customers have the option to use the services of a consultant for advice on the selection of marijuana products that may benefit a qualifying terminal or debilitating medical condition, the risks and benefits of these products, and the risks and benefits of methods of administration of these products. The purpose of this study was to investigate of the knowledge, practices, and attitudes regarding medical marijuana among certified medical marijuana consultants in Washington State, and to identify sources of information used by medical marijuana consultants to advise patients regarding the use of marijuana for medical conditions. Methods: A cross-sectional mixed-mode survey was administered to a random sample of 360 Washington State medical marijuana consultants selected from the state Department of Health’s list of 740 consultants with active certification as of December 2017. Results: Most respondents (84–100%) correctly identified conditions that qualify a patient to receive an authorization to use medical marijuana. Fewer respondents (8–31%) accurately identified conditions that do not qualify a patient to receive a medical marijuana authorization, such as depression and anxiety. Consultants heartily endorsed marijuana for medical conditions and believed it carries little risk. Many felt the required training for the consultant role did not sufficiently prepare them to understand scientific information regarding marijuana benefits and risks, although they expressed reliance on this course for counseling patients. Conclusions: While consultants were generally knowledgeable regarding law and practice, additional training is advised to clarify both current evidence and current health implications of marijuana, especially for mental health conditions. State or national expansion of legal recognition of medical marijuana should include evidence-based training policies for those in positions to influence the public’s purchase and use of marijuana for health conditions.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».