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 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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».