Cannabis for pain in orthopedics: a systematic review focusing on study methodology
Notice bibliographique
Résumé
Background: Medical cannabis use is an emerging topic of interest in orthopedics. Although there is a large amount of literature on medical cannabis use for managing various types of pain, few studies have focused on orthopedic conditions. There is little high-quality evidence in core orthopedic areas. The objective of this study was to summarize the literature on the efficacy of cannabis use for pain related to orthopedic conditions. Methods: We conducted a systematic review of the literature on the use of cannabinoids for pain management in core orthopedic conditions. Two independent reviewers extracted information on reporting quality, risk of bias, drugs, population, control, duration of study, pain outcomes and the authors’ conclusions regarding efficacy for pain outcomes. Results: We identified 33 orthopedic studies, including 21 primary studies and 12 reviews. Study quality was generally low to moderate. Six of the included studies had a control group and 15 were noncontrolled studies. Methodologies, drugs and protocols of administration varied greatly across studies. Study conclusions were generally positive in noncontrolled studies and mixed in controlled studies. Studies using higher doses tended to conclude that cannabis use was effective, but the potential for harmful effects may also be increased with higher doses. Conclusion: Variability in the methodologies used in cannabis research makes it challenging to draw conclusions about dosing, routes and frequency of administration. Most of the existing evidence suggests that medical cannabis use is effective, but this efficacy has been demonstrated only when either there is no comparator or cannabis is compared with placebo. Studies using an active comparator have not demonstrated efficacy. Future research should focus on improving study reporting and methodologic quality so that protocols that optimize pain control while minimizing harmful effects can be determined.
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 | 0,051 | 0,177 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,012 | 0,014 |
| Bibliométrie | 0,015 | 0,016 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».