Medical cannabis for orthopaedic patients with chronic musculoskeletal pain: does evidence support its use?
Notice bibliographique
Résumé
The treatment of chronic, non-cancer musculoskeletal pain has become a topic growing interest as it is believed to be one of the reasons for the current opioid epidemic. The medicinal use of cannabis has a long history as a number of active compounds in cannabis have been shown to interact with the body's endocannabinoid system to reduce pain. This position paper provides a history on the evolution of cannabis, the science behind its therapeutic effects, and review of the evidence and current guideline recommendations on its use as a treatment for patients with chronic, non-cancer musculoskeletal pain. Results from systematic reviews have demonstrated a statistically significant reduction in chronic pain conditions with cannabinoids, compared with placebo, although the effects might be considered small and did not reach the minimally important difference. More adverse events were reported in the cannabinoid group than in the placebo group with longer than 2 weeks of treatment. There is a lack of evidence on dependence. With changes to policies, patients' perception has changed to be more positive toward the use of medical cannabis. Current recommendations from North America, Latin America, Europe, Australia and Iran support the use of medical cannabis for chronic, non-cancer pain. Based on the current evidence, it is our position that cannabinoids may be considered as an adjunctive therapy after recommended first- and second-line therapies have failed to provide sufficient efficacy or tolerability. Patients should consider the balance between the desirable and undesirable effects of taking cannabis for chronic pain, and comprehensively consider their own values and preferences, as well as cost-effectiveness factors, based on the information provided by their physician.
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 | 0,010 | 0,084 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,002 |
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 ».