Use of medical cannabis by patients with fibromyalgia in Canada after cannabis legalisation: a cross-sectional study
Notice bibliographique
Résumé
OBJECTIVES: Medications have only small to moderate effects on symptoms in fibromyalgia (FM). Cannabinoids, including medical cannabis (MC) may have potential to fill this gap. Since recreational legalisation of cannabis in Canada, patients have easier access and may be self-medicating with cannabis. We have examined the prevalence and characteristics of MC use in FM patients. METHODS: During a two-month period (June-August 2019), consecutive attending rheumatology patients participated in an onsite survey comprising 2 questionnaires: 1) demographic and disease information completed by the rheumatologist, 2) patient anonymous questionnaire of health status, cannabis use (recreational and/or medicinal) and characteristics of use. RESULTS: In a cohort of 1000 rheumatology attendees, 117 (11.7%) were diagnosed with FM. Ever use of MC was reported by 28 (23.9%; 95%CI: 16.5%-32.7%) FM patients compared to 98 (11.1%; 95%CI: 9.1%-13.4%) non-FM patients. Among FM ever users, 17 (61%) patients continued use of MC. FM ever users vs. FM nonusers tended to be younger, 53 vs. 58 years (p=0.072), were more likely unemployed or disabled 39% vs. 17% (p=0.019) and used more medication types (p=0.013) but did not differ in symptom severity parameters. Cigarette smoking and recreational cannabis were more common in ever users. Global symptom relief on a VAS (1-10) was 7.0±2.3. CONCLUSIONS: FM patients have commonly used MC, with more than half continuing use. Reported symptom relief was substantial. Cigarette smoking and recreational cannabis use may play a facilitatory role in MC use in FM. Adjunctive MC may be a treatment consideration for some FM patients.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».