The association between medical cannabis and prescription opioid medication use in patients with early-stage cancer: A population-based study.
Notice bibliographique
Résumé
228 Background: Medical cannabis (MC) and prescription opioid medication (POM) use is common among cancer patients. There is conflicting evidence on the association of cannabis with POM as to whether cannabis can help decrease/ cease opioid use. In this population-based study, we examine the association between MC authorization and cessation or reduction in POM use among patients with early stage cancer. Methods: This is a retrospective, population-based study of patients with early stage (stage I-III) cancer diagnosed between January 1, 2014 and December 31, 2018 in the province of Alberta, Canada. Cases were identified from the Alberta Cancer Registry (ACR) and linked to the provincial pharmacy information network (PIN) and the database from the College of Physician and Surgeons of Alberta (CPSA). Patient and treatment characteristic were used to identify a comparable non-MC group with prior POM use via probabilistic modelling. Descriptive statistics were used to describe differences between patients with and without a MC authorization. Modified Poisson regression was used to compare the likelihood of opioid cessation and reduction among groups. Results: We identified 8,801 patients of whom 326 (3.7%) had a MC authorization. Patients with a MC authorization were younger, had higher stage disease, underwent radiation and/or systemic therapy and had a higher total oral morphine equivalent (OME) use at baseline (p < 0.01). Patients with a MC authorization were less likely to cease POM at 9-12 months post MC authorization (RR 0.63, 95% CI 0.57-0.70), and less likely to reduce their POM dose by 25% (RR 0.79, 95% CI 0.74-0.85) and 50%. (RR 0.73, 95% CI 0.67-0.79). Conclusions: Patients with early stage, non-metastatic cancer with a MC authorization have higher rates of baseline POM use and are less likely to cease or reduce their POM use up to 1 year after MC authorization. Further study is required to understand the harms of concomitant MC and POM use and the impact on survivorship care.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».