Pilot Study of Patients Who Attempt to Stop Opiate Substitutes with Cannabidiol/Tetrahydrocanabinol
Notice bibliographique
Résumé
Objective: Some patients seem able to reduce their dose of methadone by using the cannabidiol (CBD) or its mixtures with tetrahydrocannabinol (THC).We used a questionnaire to evaluate such cases. Materials and Method:We located 7 opiate substitution patients (6 males, one female) who were attempting to reduce their use of opiate substitutes via CBD/THC oils: one has been on suboxone for 5 years and 6 have been on methadone for 1.5 to 14 years.All 7 reported that they initially became addicted due to pain: their current pain severity (rated on a scale from 0=no pain to 10=extreme pain) ranged from 7 to 10 (mean=8.2,SD=1.2).They have been using CBD/THC oils for between 7 and 365 days.Results: Using the scale from 0 to 10 (0=no success; 10=CBD/THC oils helped to stop opiate substitutes completely), the patients' average was 5.7 (SD=3.2): the range was 0 to 8.Only one patient reported a complete failure to reduce the dose of his opiate substitute (suboxone) and of other concurrent analgesics.The pain reduction by these oils (rated from 0=no success to 10=pain eliminated) averaged at 6.4 (SD=3.4).The pain relief lasted, on average, for 18.5 hours (SD=14.0). Conclusions:While patients differ greatly in their biological characteristics and in their motivation to reduce the use of opiates or their substitutes, our data suggest that the CBD/THC oils might help many to achieve this goal, especially if provided with expert medical guidance.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| 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 ».