Topical cannabis‐based medicines – A novel paradigm and treatment for non‐uremic calciphylaxis leg ulcers: An open label trial
Notice bibliographique
Résumé
Non-Uremic Calciphylaxis (NUC) is a rare condition that often manifests as intractable and painful integumentary wounds, afflicting patients with a high burden of co-morbidity. The Endocannabinoid System (ECS) is a ubiquitous signalling system that is theorised to be dysregulated within wound beds and associated peri-wound tissues. Preclinical research has shown that the dominant chemical classes derived from the cannabis plant, cannabinoids, terpenes, and flavonoids, interact with the integumentary ECS to promote wound closure and analgesia. This is a prospective open label cohort study involving two elderly Caucasian females with recalcitrant NUC leg ulcers of greater than 6 months duration. Topical Cannabis-Based Medicines (TCBM) composed of cannabinoids, terpenes, and flavonoids were applied daily to both the wound bed and peri-wound tissues until complete wound closure was achieved. Wounds were photographed regularly, and the digital images were subjected to planimetric analysis to objectively quantify the degree of granulation and epithelization. Analgesic utilisation, as a surrogate/proxy for pain scores, was also tracked. The cohort had a mean M3 multimorbidity index score of 3.31. Complete wound closure was achieved in a mean of 76.3 days. Additionally, no analgesics were required after a mean of 63 days. The treatments were well tolerated with no adverse reactions. The positive results demonstrated in very challenging wounds such as NUC, among highly complex patients, suggest that TCBM may have an even broader role within integumentary and wound management. This treatment paradigm warrants being trialled in other wound types and classes, and ultimately should be subjected to randomised controlled trials.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».