An observational study of pain severity, cannabis use, and benefit expenditures in work disability
Notice bibliographique
Résumé
OBJECTIVE: This study pools two cohorts of workers in Ontario interviewed 18 months following a disabling work-related injury to estimate the association between pain severity, cannabis use, and disability benefit expenditures. METHODS: Among 1650 workers, disability benefit expenditures obtained from administrative records were combined with self-reported measures of pain symptoms and cannabis use. Disability benefit expenditures comprised wage replacement benefits and expenditures on healthcare services. RESULTS: Past-year cannabis use was reported by 31% of participants, with approximately one third of cannabis use attributed to the treatment of conditions arising from the work-related injury. Condition-related cannabis use was elevated among the 34% of participants reporting severe pain symptoms. In regression models adjusted for age, sex, nature of injury, opioid prescription, and pre-injury chronic conditions, participants reporting condition-related cannabis use had equivalent wage replacement benefit expenditures (β = 0.254, ns) and higher healthcare benefit expenditures (β = 0.433, p = 0.012) compared to participants who did not use cannabis. Participants reporting cannabis use unrelated to conditions arising from their work-related injury had lower wage replacement benefit expenditures (β = - 0.309, p = 0.002) and equivalent healthcare benefit expenditures (β = - 0.251, ns) compared to participants not using cannabis. CONCLUSION: This novel study of workers' compensation claimants interviewed at 18 months post-injury did not observe a substantial relationship between cannabis use and disability benefit expenditures, suggesting that neither harm nor significant benefit is associated with cannabis use. These findings contribute to understanding the potential benefits and risks associated with cannabis use in settings that have legalized 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 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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».