Organizational and legal measures to prepare the system of palliative and hospice care of Ukraine for the widespread use of medical cannabis
Notice bibliographique
Résumé
In Ukraine, the procedure for the legalization of medical cannabis, which is needed for approximately 6 million patients with cancer in the palliative stages, multiple sclerosis, epilepsy, lateral amniotic sclerosis, fibromyalgia, arthritis, HIV/AIDS, glaucoma, post-traumatic stress disorder, Alzheimer's, Parkinson's disease, Tourette, Lennox-Gastaut, Dravet syndromes, irritable bowel, back pain, chronic pain due to spinal cord injuries, diabetic neuropathy, postherpetic neuralgia, is being completed. Cannabis is necessary for such patients to overcome spasticity, chronic pain, nausea, vomiting, anorexia, increased eye pressure. It can be a supplement to treatment with other pharmaceuticals or an alternative to them. On the eve of the entry into force of the relevant law, it is necessary to determine the main directions for the rapid development of the necessary by-laws (clinical protocols, instructions, etc.) for the rapid start of the wide use of cannabis in clinical practice, in particular in palliative medicine. Using the methods of systematic analysis and bibliosemantic, a study of scientific literary sources in Google Scholar and PubMed was conducted to study the main properties of medical cannabis, the medical and social risks of its use, in particular side effects, the increase in illegal recreational use of herbal cannabis. The experience of other countries where medical cannabis has already been legalized (USA, Canada, Australia, Denmark, Germany, Israel, Switzerland) has been studied. The list of normative legal acts of Ukraine that can regulate the use of medical cannabis has been defined: 27 evidence-based clinical guidelines; 27 standards and protocols of medical care. Possible scenarios are identified and the necessary measures are proposed for the adoption of legal acts for the final decriminalization of cannabis, the determination and forecasting of the need for palliative patients, the creation of conditions for the cultivation of Ukrainian herbal cannabis and the manufacture of domestic pharmaceuticals, reimbursement of their cost to patients. Keywords: chronic pain, narcotic painkillers, marijuana, PTSD, anorexia.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».