Cannabis use in gynecologic cancer patients in a Canadian cancer center
Notice bibliographique
Résumé
Objective: The primary objective of this study was to estimate the prevalence of cannabis use in patients with gynecologic malignancies and to describe patterns of cannabis use. Secondary objectives included identifying sources of cannabis information used by patients. Methods: This is a single institution cross sectional survey conducted in Calgary, Alberta. Patients with a current or prior gynecologic cancer diagnosis were considered for inclusion. Planned analysis included descriptive statistics of patient demographics, and the patterns of cannabis use were described using frequencies and proportions. Results: Forty-six patients participated in the survey. The most common disease sites were ovarian cancer and uterine cancer, with the majority of patients receiving chemotherapy as part of their treatment (n = 35). Seventeen participants were current cannabis users (37%). The most common symptoms participants used cannabis for were pain (9/17), anxiety (9/17), and insomnia (9/17).Most patients using cannabis did not have a prescription and obtained their cannabis from a recreational dispensary (11/17). Many participants using cannabis had not talked to their doctor about cannabis (9/17). Instead, the most common sources of information about cannabis were cannabis retailers (20/46), and friends/family (20/46). Over 50% of patients would be interested in discussing cannabis if their physician broached the subject (26/46). Conclusions: The results from this survey indicate that patients would like to talk to their oncologist about cannabis. Further research is needed to inform physician training and direct patient education to ensure that patients have access to unbiased, evidence-based information to make decisions about cannabis use.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 | 0,001 |
| 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 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 ».