The Use of Medical Cannabis on Cancer in Thailand
Notice bibliographique
Résumé
The objective of this paper is to indicate the beneficial utility of medical marijuana. Marijuana throughout history is known for its property to alternate consciousness. However, the medical utilization of marijuana or cannabis was dated as far back as 2900 BC, when it was used by Emperor Ru Hsi of Ancient Chinese. During the 19th century, marijuana was introduced to Western Medicine as a therapeutic drug, mostly known for its pain control properties. Marijuana by itself consists of more than 100 active components. In consideration of the amount of THC, tetrahydrocannabinol, a psychological chemical released by the glands of marijuana plants, CBD or cannabidiol, amongst the most prevalent ingredients in cannabis, is the least controversial extract extracted from the marijuana plants to be used. As of the year 2019, Thailand Narcotics Act legalized cannabis for medical use in Thailand. A study survey conducted by N.Z. shows that in just over a year, 20% of the patients report the use of cannabis for medical purposes regarding its benefits of neuropathic pain, chemotherapy-induced nausea and vomiting, Aids-related cachexia, intractable epilepsy, and palliative care conditions. Further clinical trials are conducted to further perceive the potential cannabis has on treating cancer. One of the two successful clinical trials that have been published proposes that cannabis may make it possible to treat brain cancer with few side effects. Keywords: Cancer, Marijuana, Tetrahydrocannabinol (THC), Cannabidiol (CBD), Medical Usage, Cannabis in Thailand.
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 | 0,006 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».