Consensus recommendations on dosing and administration of medical cannabis to treat chronic pain: results of a modified Delphi process
Notice bibliographique
Résumé
BACKGROUND: Globally, medical cannabis legalization has increased in recent years and medical cannabis is commonly used to treat chronic pain. However, there are few randomized control trials studying medical cannabis indicating expert guidance on how to dose and administer medical cannabis safely and effectively is needed. METHODS: Using a multistage modified Delphi process, twenty global experts across nine countries developed consensus-based recommendations on how to dose and administer medical cannabis in patients with chronic pain. RESULTS: There was consensus that medical cannabis may be considered for patients experiencing neuropathic, inflammatory, nociplastic, and mixed pain. Three treatment protocols were developed. A routine protocol where the clinician initiates the patient on a CBD-predominant variety at a dose of 5 mg CBD twice daily and titrates the CBD-predominant dose by 10 mg every 2 to 3 days until the patient reaches their goals, or up to 40 mg/day. At a CBD-predominant dose of 40 mg/day, clinicians may consider adding THC at 2.5 mg and titrate by 2.5 mg every 2 to 7 days until a maximum daily dose of 40 mg/day of THC. A conservative protocol where the clinician initiates the patient on a CBD-predominant variety at a dose of 5 mg once daily and titrates the CBD-predominant dose by 10 mg every 2 to 3 days until the patient reaches their goals, or up to 40 mg/day. At a CBD-predominant dose of 40 mg/day, clinicians may consider adding THC at 1 mg/day and titrate by 1 mg every 7 days until a maximum daily dose of 40 mg/day of THC. A rapid protocol where the clinician initiates the patient on a balanced THC:CBD variety at 2.5-5 mg of each cannabinoid once or twice daily and titrates by 2.5-5 mg of each cannabinoid every 2 to 3 days until the patient reaches his/her goals or to a maximum THC dose of 40 mg/day. CONCLUSIONS: In summary, using a modified Delphi process, expert consensus-based recommendations were developed on how to dose and administer medical cannabis for the treatment of patients with chronic pain.
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 | 0,008 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 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 ».