Frequency of cannabis and illicit opioid use among people who use drugs and report chronic pain: A longitudinal analysis
Notice bibliographique
Résumé
BACKGROUND: Ecological research suggests that increased access to cannabis may facilitate reductions in opioid use and harms, and medical cannabis patients describe the substitution of opioids with cannabis for pain management. However, there is a lack of research using individual-level data to explore this question. We aimed to investigate the longitudinal association between frequency of cannabis use and illicit opioid use among people who use drugs (PWUD) experiencing chronic pain. METHODS AND FINDINGS: This study included data from people in 2 prospective cohorts of PWUD in Vancouver, Canada, who reported major or persistent pain from June 1, 2014, to December 1, 2017 (n = 1,152). We used descriptive statistics to examine reasons for cannabis use and a multivariable generalized linear mixed-effects model to estimate the relationship between daily (once or more per day) cannabis use and daily illicit opioid use. There were 424 (36.8%) women in the study, and the median age at baseline was 49.3 years (IQR 42.3-54.9). In total, 455 (40%) reported daily illicit opioid use, and 410 (36%) reported daily cannabis use during at least one 6-month follow-up period. The most commonly reported therapeutic reasons for cannabis use were pain (36%), sleep (35%), stress (31%), and nausea (30%). After adjusting for demographic characteristics, substance use, and health-related factors, daily cannabis use was associated with significantly lower odds of daily illicit opioid use (adjusted odds ratio 0.50, 95% CI 0.34-0.74, p < 0.001). Limitations of the study included self-reported measures of substance use and chronic pain, and a lack of data for cannabis preparations, dosages, and modes of administration. CONCLUSIONS: We observed an independent negative association between frequent cannabis use and frequent illicit opioid use among PWUD with chronic pain. These findings provide longitudinal observational evidence that cannabis may serve as an adjunct to or substitute for illicit opioid use among PWUD with chronic pain.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».