Long‐term observational studies with cannabis‐based medicines for chronic non‐cancer pain: A systematic review and meta‐analysis of effectiveness and safety
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVE: This systematic review evaluated the effectiveness, tolerability and safety of cannabis-based medicines (CbMs) for chronic non-cancer pain (CNCP) in long-term observational studies. DATABASES AND DATA TREATMENT: CENTRAL, EMBASE and MEDLINE were searched until December 2021. We included prospective observational studies with a study duration ≥26 weeks. Pooled estimates of event rates of categorical data and standardized mean differences (SMD) of continuous variables were calculated using a random effects model. RESULTS: Six studies were included with 2686 participants, with study duration ranging between 26 and 52 weeks. Pain conditions included nociceptive, nociplastic, neuropathic and mixed pain mechanisms. The certainty of evidence for every outcome was very low. The weighted mean difference of mean pain reduction was 1.75 (95% confidence interval [CI] 0.72 to 2.78) on a 0-10 scale. 20.8% (95% CI 10.2% to 34.0%) of patients reported pain relief of 50% or greater. The effect size for sleep problems was moderate and for depression and anxiety was low. Study completions was reported for 53.3% (95% CI 26.8% to 79.9%) of patients, with dropouts of 6.8% (95% CI 4.3% to 9.7%) due to adverse events. Serious adverse events occurred in 3.0% (95 CI 0.02% to 12.8%) and 0.3% (95% CI 0.1% to 0.6%) of patients died. CONCLUSIONS: Information included in observational studies should be regarded with caution. Within the context of observational studies. CbMs had positive effects on multiple symptoms for some CNCP patients and were generally well tolerated and safe. SIGNIFICANCE: There is very low quality evidence for the long-term effectiveness (pain, sleep, mood, health-related quality of life), tolerability and safety of medical cannabis for chronic non-cancer pain (CNCP) according to reports of prospective observational studies. Predefined criteria of a large magnitude of effect size in these types of studies were not met. Nevertheless, long-term medical cannabis therapy can be considered in some carefully selected and monitored patients with CNCP.
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 | 0,027 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,001 |
| 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 | 0,000 |
| 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 ».