Medical cannabis use in the United States: a retrospective database study
Notice bibliographique
Résumé
INTRODUCTION: Growing interest in the medicinal properties of cannabis has led to an increase in its use to treat medical conditions, and the establishment of state-specific medical cannabis programs. Despite medical cannabis being legal in 33 states and the District of Colombia, there remains a paucity of data characterizing the patients accessing medical cannabis programs. METHODS: We retrospectively reviewed a registry with data from 33 medical cannabis evaluation clinics in the United States, owned and operated by CB2 Insights. Data were collected primarily by face-to-face interviews for patients seeking medical cannabis certification between November 18, 2018 and March 18, 2020. Patients were removed from the analysis if they did not have a valid date of birth, were less than 18, or did not have a primary medical condition reported; a total of 61,379 patients were included in the analysis. Data were summarized using descriptive statistics expressed as a mean (standard deviation (SD)) or median (interquartile range (IQR)) as appropriate for continuous variables, and number (percent) for categorical variables. Statistical tests performed across groups included t-tests, chi-squared tests and regression. RESULTS: The average age of patients was 45.5, 54.8% were male and the majority were Caucasian (87.5%). Female patients were significantly older than males (47.0 compared to 44.6). Most patients reported cannabis experience prior to seeking medical certification (66.9%). The top three mutually exclusive primary medical conditions reported were unspecified chronic pain (38.8%), anxiety (13.5%) and post-traumatic stress disorder (PTSD) (8.4%). The average number of comorbid conditions reported was 2.7, of which anxiety was the most common (28.3%). Females reported significantly more comorbid conditions than males (3.1 compared to 2.3). CONCLUSION: This retrospective study highlighted the range and number of conditions for which patients in the US seek medical cannabis. Rigorous clinical trials investigating the use of medical cannabis to treat pain conditions, anxiety, insomnia, depression and PTSD would benefit a large number of patients, many of whom use medical cannabis to treat multiple conditions.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».