Medical cannabis authorization patterns, safety, and associated effects in older adults
Notice bibliographique
Résumé
BACKGROUND: Use of medical cannabis is increasing among older adults. However, few investigations have examined cannabis use in this population. METHODS: We assessed the authorization patterns, safety, and effects of medical cannabis in a sub-analysis of 201 older adults (aged ≥ 65 years) who completed a 3-month follow-up during this observational study of patients who were legally authorized a medical cannabis product (N = 67). Cannabis authorization patterns, adverse events (AEs), Edmonton Symptom Assessment Scale-revised (ESAS-r), and Brief Pain Inventory Short Form (BPI-SF) data were collected. RESULTS: The most common symptoms for which medical cannabis was authorized were pain (159, 85.0%) and insomnia (9, 4.8%). At baseline and at the 3-month follow-up, cannabidiol (CBD)-dominant products were authorized most frequently (99, 54%), followed by balanced products (76, 42%), and then delta-9-tetrahydrocannabinol (THC)-dominant products (8, 4.4%). The most frequent AEs were dizziness (18.2%), nausea (9.1%), dry mouth (9.1%), and tinnitus (9.1%). Significant reductions in ESAS-r scores were observed over time in the domains of drowsiness (p = .013) and tiredness (p = .031), but not pain (p = .106) or well-being (p = .274). Significant reductions in BPI-SF scores over time were observed for worst pain (p = .010), average pain (p = .012), and overall pain severity (p = 0.009), but not pain right now (p = .052) or least pain (p = .141). CONCLUSIONS: Overall, results suggest medical cannabis was safe, well-tolerated, and associated with clinically meaningful reductions in pain in this sample of older adults. However, the potential bias introduced by the high subject attrition rate means that all findings should be interpreted cautiously and confirmed by more rigorous studies.
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 | 0,010 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».