A population-based study of medical cannabis utilization in patients with cancer.
Notice bibliographique
Résumé
124 Background: Between 2014 and 2018, access to cannabis for medical purposes was regulated by Health Canada. Surveys have demonstrated that cancer patients use cannabis to manage symptoms and side effects. Medical cannabis utilization patterns in cancer patients under Canada’s regulatory framework have not been well-described. We aimed to determine the proportion of cancer patients who used medical cannabis, timing of use in relation to cancer treatment and sociodemographic factors predicting use. Methods: The Alberta Cancer Registry was used to identify all patients age ≥ 18 diagnosed with invasive cancer in the province from April 01, 2014 to December 31, 2016. These cases were linked to records from the College of Physicians and Surgeons of Alberta database which collects data on patients who received an authorization for medical cannabis. Authorization was used as a surrogate for medical cannabis utilization. Univariate and multivariate logistic regression models were constructed to determine factors associated with medical cannabis utilization. Results: We identified 41,889 patients between April 1, 2014 and December 31, 2016. Median age at cancer diagnosis was 65 and 50% were female. Among these patients, 1,070 (2.5%) used medical cannabis. Of these patients, 541 (51%) used medical cannabis within 1 year of diagnosis, 248 (52%) within one year of the start of systemic therapy and 128 (41%) within one year of the start of radiation therapy. On multivariate analysis, patients aged 18-29 (OR 12.4, 95% CI 7.8-19.7) and those receiving systemic therapy (OR 2.0, 95% CI 1.7-2.4) were more likely to use medical cannabis (p < 0.001). There were 171 unique physicians who authorized medical cannabis of which only 3.5% (6/171) were oncologists. Conclusions: A small proportion of cancer patients used medical cannabis under Health Canada’s regulatory framework. Utilization was associated with a cancer diagnosis and receiving treatment. Younger patients and those undergoing systemic treatment were predictors of medical cannabis use. Further study is required to understand utilization patterns after cannabis legalization and how to incorporate these findings into patient-centered cancer care.
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) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».