Cannabis for medical use versus opioids for chronic non-cancer pain: a systematic review and network meta-analysis of randomised clinical trials
Notice bibliographique
Résumé
OBJECTIVE: The objective of this study is to evaluate the comparative benefits and harms of opioids and cannabis for medical use for chronic non-cancer pain. DESIGN: Systematic review and network meta-analysis. DATA SOURCES: EMBASE, MEDLINE, CINAHL, AMED, PsycINFO, PubMed, Web of Science, Cannabis-Med, Epistemonikos and the Cochrane Library (CENTRAL) from inception to March 2021. STUDY SELECTION: Randomised trials comparing any type of cannabis for medical use or opioids, against each other or placebo, with patient follow-up ≥4 weeks. DATA EXTRACTION AND SYNTHESIS: Paired reviewers independently extracted data. We used Bayesian random-effects network meta-analyses to summarise the evidence and the Grading of Recommendations, Assessment, Development and Evaluations (GRADE) approach to evaluate the certainty of evidence and communicate our findings. RESULTS: Ninety trials involving 22 028 patients were eligible for review, among which the length of follow-up ranged from 28 to 180 days. Moderate certainty evidence showed that opioids provide small improvements in pain, physical functioning and sleep quality versus placebo; low to moderate certainty evidence supported similar effects for cannabis versus placebo. Neither was more effective than placebo for role, social or emotional functioning (all high to moderate certainty evidence). Moderate certainty evidence showed there is probably little to no difference between cannabis for medical use and opioids for physical functioning (weighted mean difference (WMD) 0.47 on the 100-point 36-item Short Form Survey physical component summary score, 95% credible interval (CrI) -1.97 to 2.99), and cannabis resulted in fewer discontinuations due to adverse events versus opioids (OR 0.55, 95% CrI 0.36 to 0.83). Low certainty evidence suggested little to no difference between cannabis and opioids for pain relief (WMD 0.23 cm on a 10 cm Visual Analogue Scale (VAS), 95% CrI -0.06 to 0.53) or sleep quality (WMD 0.49 mm on a 100 mm VAS, 95% CrI -4.72 to 5.59). CONCLUSIONS: Cannabis for medical use may be similarly effective and result in fewer discontinuations than opioids for chronic non-cancer pain. PROSPERO REGISTRATION NUMBER: CRD42020185184.
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 | 0,114 | 0,061 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,042 | 0,017 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».