Cannabinoids, cannabis, and cannabis-based medicines for pain management: an overview of systematic reviews
Notice bibliographique
Résumé
ABSTRACT: Cannabinoids, cannabis, and cannabis-based medicines (CBM) are increasingly used to manage pain, with limited understanding of their efficacy and safety. We assessed methodological quality, scope, and results of systematic reviews of randomised controlled trials of these treatments. Several search strategies sought self-declared systematic reviews. Methodological quality was assessed using both AMSTAR-2 and techniques important for bias reduction in pain studies. Of the 106 articles read, 57 were self-declared systematic reviews, most published since 2010. They included any type of cannabinoid, cannabis, or CBM, at any dose, however administered, in a broad range of pain conditions. No review examined the effects of a particular cannabinoid, at a particular dose, using a particular route of administration, for a particular pain condition, reporting a particular analgesic outcome. Confidence in the results in the systematic reviews using AMSTAR-2 definitions was critically low (41), low (8), moderate (6), or high (2). Few used criteria important for bias reduction in pain. Cochrane reviews typically provided higher confidence; all industry-conflicted reviews provided critically low confidence. Meta-analyses typically pooled widely disparate studies, and, where assessable, were subject to potential publication bias. Systematic reviews with positive or negative recommendation for use of cannabinoids, cannabis, or CBM in pain typically rated critically low or low (24/25 [96%] positive; 10/12 [83%] negative). Current reviews are mostly lacking in quality and cannot provide a basis for decision-making. A new high-quality systematic review of randomised controlled trials is needed to critically assess the clinical evidence for cannabinoids, cannabis, or CBM in 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 | 0,012 | 0,005 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».