UK Medical Cannabis registry: an analysis of clinical outcomes of medicinal cannabis therapy for chronic pain conditions
Notice bibliographique
Résumé
OBJECTIVES: To explore pain-specific, general health-related quality of life (HRQoL), and safety outcomes of chronic pain patients prescribed cannabis-based medicinal products (CBMPs). METHODS: A case series was performed using patients with chronic pain from the UK Medical Cannabis Registry. Primary outcomes were changes in Brief Pain Inventory short-form (BPI), Short-form McGill Pain Questionnaire-2 (SF-MPQ-2), Visual Analogue Scale-Pain (VAS), General Anxiety Disorder-7 (GAD-7), Sleep Quality Scale (SQS), and EQ-5D-5L, at 1, 3, and 6 months from baseline. Statistical significance was defined at p-value<0.050. RESULTS: -tetrahydrocannabinol and cannabidiol daily doses were 2.0mg (range:0.0-442.0mg) and 20.0mg (range:0.0-188.0mg) respectively. Significant improvements were observed within BPI, SF-MPQ-2, GAD-7, SQS, EQ-5D-5 L index, and VAS measures at all timepoints (p<0.050). Seventy-five adverse events (39.47%) were reported, of which 37 (19.47%) were rated as mild, 23 (12.11%) as moderate, and 14 (7.37%) as severe. Nausea (n=11; 5.8%) was the most frequent adverse event. CONCLUSION: An association was identified between patients with chronic pain prescribed CBMPs and improvements in pain-specific and general HRQoL outcomes. Most adverse events were mild to moderate in severity, indicating CBMPs were well tolerated. Inherent limitations of study design limit its overall applicability.
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 | 0,013 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 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 ».