Clinical Profiles of Concurrent Cannabis Use in Chronic Pain: A CHOIR Study
Notice bibliographique
Résumé
OBJECTIVE: Despite evidence of the analgesic benefits of cannabis, there remains a relative scarcity of research on the short- and long-term effects of cannabis use in individuals with chronic pain. DESIGN: The current study is a secondary analysis of clinical data from the Collaborative Health Outcomes Information Registry (CHOIR). SETTING: Data were drawn from a cohort of patients of a multidisciplinary tertiary care pain clinic. SUBJECTS: The study sample consisted of data from 7,026 new patient visits from CHOIR; of these, 1,668 patients with a follow-up time point within 180 days were included in a longitudinal analysis. METHODS: Clinical data were analyzed to characterize cross-sectional differences in pain and indicators of psychological and physical function according to self-reported, concurrent cannabis use. Additionally, a propensity score-weighted longitudinal analysis was conducted, examining cannabis use as a predictor of changes in clinical variables across time. RESULTS: Cross-sectional analyses suggested significantly poorer sleep and significantly higher intensities of pain, emotional distress, and physical and social dysfunction in patients reporting ongoing cannabis use; however, these differences were relatively small in magnitude. However, no differences between cannabis users and nonusers in terms of longitudinal changes in clinical variables were noted. DISCUSSION: Our results are among the first to examine concurrent cannabis use as a prognostic variable regarding trajectories of pain-related variables in tertiary care. Future studies may benefit from examining the effect of cannabis initiation, concurrent medication use, and specific aspects of cannabis use (dose, duration of use, or cannabis type) on clinical outcomes.
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 | 0,008 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».