Sources of Cannabis Information and Medical Guidance for Neurologic Use
Notice bibliographique
Résumé
Background and Objectives: As cannabis products become increasingly accessible across the United States, understanding how patients obtain medical information on cannabis and view the role of their health care provider in providing information is important. Methods: -tetrahydrocannabinol-containing cannabis use between March and April 2020. Participants reported dialogue with health care providers regarding cannabis use, information sources used to make product decisions, and expenditure on cannabis. Findings are reported using descriptive statistics. Results: Overall, 3,249 participants responded (47% response rate), of whom 31% ever used cannabis and 20% currently used cannabis for MS. To determine presumed cannabis contents, respondents who had ever used cannabis (ever users) most often used dispensary-provided information (39%), word of mouth/dealer/friend (29%), and unregulated product labels (24%). For general information on cannabis for MS, ever users most often used dispensary staff (38%) and friends (32%). The primary source of medical guidance among ever users was most often "nobody or myself" (48%), followed by a dispensary professional (21%); only 12% relied on their MS physician, although 70% had discussed cannabis with their MS physician. Most current users (62%) typically sourced their cannabis from a dispensary. The most common factor in selecting a cannabis product was perceived quality and safety (70%). Discussion: Participants most often received information on cannabis for MS from dispensaries, unregulated product labels, and friends; only a small proportion used health care providers. Evidence-based patient and physician education is needed.
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 | 0,004 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
| 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 ».