Medicinal Cannabis Use for Rheumatic Conditions in the <scp>US</scp> Versus Canada: Rationale for Use and Patient–Health Care Provider Interactions
Notice bibliographique
Résumé
OBJECTIVE: Understanding how medical cannabis (MC) use is integrated into medical practice for rheumatic disease management is essential. We characterized rationale for MC use, patient-physician interactions around MC, and MC use patterns among people with rheumatic conditions in the US and Canada. METHODS: We surveyed 3406 participants with rheumatic conditions in the US and Canada, with 1727 completing the survey (50.7% response rate). We assessed disclosure of MC use to health care providers, MC authorization by health care providers, and MC use patterns and investigated factors associated with MC disclosure to health care providers in the US versus Canada. RESULTS: Overall, 54.9% of US respondents and 78.0% of Canadians reported past or current MC use, typically because of inadequate symptom relief from other medications. Compared to those in Canada, fewer US participants obtained MC licenses, disclosed MC use to their health care providers, or asked advice on how to use MC (all P values <0.001). Overall, 47.4% of Canadian versus 28.2% of US participants rated their medical professionals as their most trusted information source. MC legality in state of residence was associated with 2.49 greater odds of disclosing MC use to health care providers (95% confidence interval: 1.49-4.16, P < 0.001) in the US, whereas there were no factors associated with MC disclosure in Canada. Our study is limited by our convenience sampling strategy and cross-sectional design. CONCLUSION: Despite widespread availability, MC is poorly integrated into rheumatic disease care, with most patients self-directing use with minimal or no clinical oversight. Concerted efforts to integrate MC into education and clinical policy is critical.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».