Cannabis use and illicit opioid cessation among people who use drugs living with chronic pain
Notice bibliographique
Résumé
INTRODUCTION: Amidst the opioid overdose crisis, there is interest in cannabis use for pain management and harm reduction. We investigated the relationship between cannabis use and cessation of unregulated opioid use among people who use drugs (PWUD) living with chronic pain. METHOD: Data for analyses were collected from three prospective cohort studies in Vancouver, Canada. All cohort participants who completed at least two study visits and reported both pain and unregulated opioid use in the past 6 months were included in the present study. We analysed the association between cannabis use frequency and opioid cessation rates using extended Cox regression models with time-updated covariates. RESULTS: Between June 2014 and May 2022, 2340 PWUD were initially recruited and of those 1242 PWUD reported chronic pain, use of unregulated opioids and completed at least two follow-up visits. Of these 1242 participants, 764 experienced a cessation event over 1038.2 person-years resulting in a cessation rate of 28.5 per 100 person-years (95% confidence interval [CI] 25.4-31.9). Daily cannabis use was positively associated with opioid cessation (adjusted hazard ratio 1.40, 95% CI 1.08-1.81; p = 0.011). In the sex-stratified sub-analyses, daily cannabis use was significantly associated with increased rates of opioid cessation among males (adjusted hazard ratio 1.50, 95% CI 1.09-2.08; p = 0.014). DISCUSSION AND CONCLUSIONS: Participants reporting daily cannabis use exhibited higher rates of cessation compared to less frequent users or non-users. Observed sex-specific differences in cannabis use and opioid cessation suggest potential differences in cannabis use behaviours and effects. Our findings add to the growing evidence supporting the potential benefits of cannabis use among PWUD, underlining the need for further research.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 ».