Medical cannabis is effective for cancer-related pain: Quebec Cannabis Registry results
Notice bibliographique
Résumé
OBJECTIVES: To evaluate the safety and effectiveness of medical cannabis (MC) in reducing pain and concurrent medications in patients with cancer. METHODS: This study analysed data collected from patients with cancer who were part of the Quebec Cannabis Registry. Brief Pain Inventory (BPI), revised Edmonton Symptom Assessment System (ESAS-r) questionnaires, total medication burden (TMB) and morphine equivalent daily dose (MEDD) recorded at 3-month, 6-month, 9-month and 12-month follow-ups were compared with baseline values. Adverse events were also documented at each follow-up visit. RESULTS: This study included 358 patients with cancer. Thirteen out of 15 adverse events reported in 11 patients were not serious; 2 serious events (pneumonia and cardiovascular event) were considered unlikely related to MC. Statistically significant decreases were observed at 3-month, 6-month and 9-month follow-up for BPI worst pain (5.5±0.7 baseline, 3.6±0.7, 3.6±0.7, 3.6±0.8; p<0.01), average pain (4.1±0.6 baseline, 2.4±0.6, 2.3±0.6, 2.7±0.7; p<0.01), overall pain severity (3.7±0.5 baseline, 2.3±0.6, 2.3±0.6, 2.4±0.6; p<0.01) and pain interference (4.3±0.6 baseline, 2.4±0.6, 2.2±0.6, 2.4±0.7, p<0.01). ESAS-r pain scores decreased significantly at 3-month, 6-month and 9-month follow-up (3.7±0.6 baseline, 2.5±0.6, 2.2±0.6, 2.0±0.7, p<0.01). THC:CBD balanced strains were associated with better pain relief as compared with THC-dominant and CBD-dominant strains. Decreases in TMB were observed at all follow-ups. Decreases in MEDD were observed at the first three follow-ups. CONCLUSIONS: Real-world data from this large, prospective, multicentre registry indicate that MC is a safe and effective complementary treatment for pain relief in patients with cancer. Our findings should be confirmed through randomised placebo-controlled trials.
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 | 0,001 | 0,003 |
| 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 | 0,001 | 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) | 0,003 | 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 ».