Views on and experiences with medicinal cannabis among Canadian veterans who live with pain: A qualitative study
Notice bibliographique
Résumé
Background: During fiscal year 2021-2022, Veterans Affairs Canada (VAC) reimbursed 18,388 veterans for medicinal cannabis at a cost of $153 million. Yet, it is not known whether the reimbursement program is producing a net benefit for veterans. Aims: This study investigated the views and experiences Canadian that veterans who live with pain have about medicinal cannabis use, including its use for the management of chronic pain, poor sleep, and emotional distress. Methods: Twelve Canadian veterans who live with pain-eight men, four women; split across four focus groups-were recruited to participate in a semistructured discussion around their experiences with medicinal cannabis use. Results: Using inductive thematic analysis, seven broad categories were identified: (1) cannabis use behaviors, (2) reasons for cannabis use, (3) outcomes from cannabis use, (4) facilitators of cannabis use, (5) barriers to cannabis use, (6) stigma around cannabis use, and (7) questions and concerns about cannabis use. Conclusions: Most veterans initiated cannabis use to manage the symptoms of preexisting medical and/or mental health conditions. Despite some negative side effects, most veterans reported improvements in their overall quality of life, sleep, relationships, mood, and pain. Concern remains around the discrepancy between veterans' qualitative reports of beneficial outcomes from medicinal cannabis use and equivocal findings around the benefit-to-harm ratio in the wider literature. Currently, the VAC reimbursement program remains challenged by unclear indication for which veterans, with what condition(s), at what dose, and in what form medical cannabis is most beneficial.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».