A Cross Sectional Survey of Factors Related to Cannabis Use as a Sleep Aid Among Canadian Cancer Survivors
Notice bibliographique
Résumé
OBJECTIVES: Poor sleep is a common side effect of cancer. Cannabis is increasingly used to manage cancer treatment-related symptoms, including sleep. This study investigated factors related to cannabis use for sleep among Canadian cancer survivors. METHOD: = 940) were recruited via the Angus Reid Institute and completed an online, cross-sectional survey. Univariate and multiple binomial logistic regression models identified factors associated with cannabis use for sleep. RESULTS: = 236) currently use cannabis for sleep. Participants were at greater odds of using cannabis for sleep if they identified as a gender other than man or woman (AOR = 11.132), were diagnosed with multiple medical conditions (2:AOR = 1.988; 3+:AOR = 1.902), two psychological conditions (AOR = 2.171), multiple sleep disorders (AOR = 2.338), insomnia (AOR = 1.942), bone (AOR = 6.535), gastrointestinal (AOR = 4.307), genitourinary (AOR = 2.586), hematological (AOR = 4.739), or an unlisted cancer (AOR = 3.470), received hormone therapy only (AOR = 3.054), drink heavily (AOR = 2.748), or had mild insomnia (AOR = 1.828). Older participants (AOR=.972) and those with sleep apnea were less likely to use cannabis for sleep (AOR=.560). CONCLUSION: Given its prevalence, research is needed to understand how factors associated with cannabis use as a sleep aid among Canadian cancer survivors may influence its use and effectiveness and whether these factors are barriers to accessing evidence-based treatments.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,007 | 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 ».