Experiences and Perceptions of Medical Cannabis among People Living with Chronic Pain and Community Pharmacists: A Qualitative Study in Canada
Notice bibliographique
Résumé
Background: The use of cannabis to treat chronic pain is under debate despite high expectations from patients. Qualitative data obtained by exploring both patients' and health professionals' perspectives are scarce. Aims: This study aimed to understand the experiences and perceptions of people living with chronic pain and community pharmacists regarding the role of cannabis in chronic pain treatment in the Canadian context where both medical and recreational cannabis are legal. Methods: We conducted 12 online focus groups (July 2020-February 2021) with 26 patients and 19 community pharmacists using semistructured discussion guides. All discussions were audio recorded and transcribed verbatim were analyzed using a reflexive thematic approach. Results: We developed three themes related to patients' perspectives and three themes related to pharmacists' perspectives. Patients' perspectives included (1) cannabis as an alternative to other pain medications, (2) a new treatment with potential health-related risks, and (3) a therapy rather than a recreational drug. Pharmacists' perspectives included (1) challenges in monitoring drug interactions with cannabis in the context of scarce research data, (2) informing and treating patients self-medicating with cannabis amid its growing popularity, and (3) financial costs and legal constraints for patients. Conclusions: This study highlights patients' and pharmacists' urgent need for reliable information regarding the benefits and risks of cannabis. Training tailored to pharmacists' needs and evidence-based information for patients should be developed to support pharmacists' practice, improve patients' experiences, and promote safe 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 | 0,010 | 0,002 |
| 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 | 0,000 | 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 ».