Cannabis Significantly Reduces the Use of Prescription Opioids and Improves Quality of Life in Authorized Patients: Results of a Large Prospective Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: This article presents findings from a large prospective examination of Canadian medical cannabis patients, with a focus on the impacts of cannabis on prescription opioid use and quality of life over a 6-month period. METHODS: The Tilray Observational Patient Study took place at 21 medical clinics throughout Canada. This analysis includes 1,145 patients who had at least one postbaseline visit, with follow-up at 1, 3, and 6 months. Instruments included a comprehensive cannabis use inventory, the World Health Organization Quality of Life Short Form (WHOQOL-BREF), and a detailed prescription drug questionnaire. RESULTS: Participants were 57.6% female, with a median age of 52 years. Baseline opioid use was reported by 28% of participants, dropping to 11% at 6 months. Daily opioid use went from 152 mg morphine milligram equivalent (MME) at baseline to 32.2 mg MME at 6 months, a 78% reduction in mean opioid dosage. Similar reductions were also seen in the other four primary prescription drug classes identified by participants, and statistically significant improvements were reported in all four domains of the WHOQOL-BREF. CONCLUSIONS: This study provides an individual-level perspective of cannabis substitution for opioids and other prescription drugs, as well as associated improvement in quality of life over 6 months. The high rate of cannabis use for chronic pain and the subsequent reductions in opioid use suggest that cannabis may play a harm reduction role in the opioid overdose crisis, potentially improving the quality of life of patients and overall public health.
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.
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 | 0,004 | 0,019 |
| 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 découle