Medical cannabis in schools: A qualitative study on the experiences of clinicians
Notice bibliographique
Résumé
Objectives: Guidance is lacking for medical cannabis use in Canadian schools in both legislation and approach; the impact of ambiguous policy on patient care is unknown. A qualitative study was undertaken to explore the experiences of clinicians who care for school-aged children who take medical cannabis. Methods: Semi-structured interviews were recorded and transcribed verbatim. Qualitative content analysis performed using the Dedoose qualitative software ascribed meaning units and codes, which were further consolidated into categories and subcategories. Results: Thirteen physicians were interviewed virtually, representing seven provinces in Canada. The physicians provided care for between five and hundreds of school-aged children who took medical cannabis. The most common indications were refractory seizure disorders and autism. The interviews provided rich descriptions on perceptions of medical cannabis in schools, and in general. Five overarching categories were identified across both domains including variability, challenges (subcategories: lack of knowledge, stigma, lack of policy, and pragmatic challenges), potential solutions (subcategories: treat it like other medications, communication, education, and family support), positive experiences and improvements over time. Conclusion: In Canada, cannabis-based medicine use in schools still faces important challenges. Effective education, communication, family support and policy refinements that allow cannabis to be treated like other prescription medications are recommended to improve the status quo. These findings will guide the C4T Medical Cannabis in Schools Working Group's future priorities and initiatives.
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 | 0,016 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,020 | 0,018 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».