Cannabis use disorder in patients with chronic pain: overestimation and underestimation in a cross-sectional observational study in 3 German pain management centres
Notice bibliographique
Résumé
ABSTRACT: There are concerns that cannabis use disorder (CUD) may develop in patients with chronic pain prescribed medical cannabis (MC). The criteria for CUD according to the Statistical Manual for Mental Disorders Version 5 (DSM-5) were not developed for the identification of patients using cannabis for therapeutic reasons. In addition, some items of CUD might be attributed to the desire of the patient to relieve the pain. Therefore, alternative strategies are needed to identify the true prevalence of CUD in persons with chronic pain being treated with MC. The prevalence of CUD in patients with chronic pain according to the DSM-5 criteria was assessed using an anonymous questionnaire in 187 consecutive patients attending 3 German pain centres in 2021. Questionnaires were rated as follows: (1) all criteria included, (2) removal of items addressing tolerance and withdrawal, and (3) removal of positive items if associated with the desire to relieve pain. Abuse was assessed by self-report (use of illegal drugs and diversion and illegal acquisition of MC) and urine tests for illegal drugs. Physicians recorded any observation of abuse. Cannabis use disorder according to the DSM-5 criteria was present in 29.9%, in 13.9% when items of tolerance and withdrawal were removed, and in 2.1% when positive behaviour items were removed. In 10.7%, at least 1 signal of abuse was noted. Urine tests were positive for nonprescribed drugs (amphetamines and tranquilizer) in 4.8% of subjects. Physicians identified abuse in 1 patient. In this study, the DSM-5 criteria overestimated and physicians underestimated the prevalence of CUD in patients prescribed MC for chronic pain.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».