The Association of Medical Cannabis Use with Pain Levels and Opioid Use in Illinois’ Opioid Alternative Pilot Program
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Objective The state of Illinois’ Opioid Alternative Pilot Program (OAPP) is the first and only official harm-reduction program in the US to address the opioid crisis via facilitation of safe and legal access to medical cannabis. This study evaluates the association of medical cannabis use with pain level and frequency of opioid use in the first cohort of OAPP participants in 2019.Methods A survey was sent OAPP enrollees between February and July 2019. Cannabis users (n = 626) were compared to non-users (n = 234) to determine whether there was an association between cannabis use and self-reported (a) pain level and (b) frequency of opioid use. Backward stepwise regression models were used.Results A total of 860 participants was included in the analysis. Overall, 75% of the study sample reported pain as their primary medical symptom, and 67% of cannabis users reported having a disability. The mean difference in pain level between cannabis users and non-users was 4.5 units (on a 100-point scale) higher among cannabis users than non-users (p = 0.03); and cannabis use was statistically associated with pain level. High-frequency opioid users had lower odds of reporting cannabis use within the past year than low/no opioid users.Conclusions Although there was a statistical association between cannabis use and pain, the difference of 4.5 points in pain level between users and non-users was too small to reflect a clinically meaningful relative difference. This study may provide useful information to providers and clinicians about how the OAPP and similar programs may reduce opioid use and improve health outcomes.
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.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,000 | 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 découle