Potential Impact Of Medical Cannabis Treatment On Common Symptoms Improvement Using The Edmonton Symptom Assessment Scale Among Cancer Patients In Quebec – Canada : Pilot Study
Notice bibliographique
Résumé
Introduction: Therapeutic applications of medical cannabis within the cancer population, particularly for common symptoms, and how treatment can impact quality of life are still under- investigated.Methods: The Cannabis Pilot Project (CPP) accepted patients already receiving supportive care but referred to the CPP because they did not achieve adequate symptom relief. This study examined the efficacy of cannabis treatment for common symptoms among cancer patients using the revised Edmonton Symptom Assessment Scale (ESAS-r).Results: Sixty-five patients have been enrolled (mean age 61 years; 52% female) in the CPP over seven months. By the second follow-up, a clinically meaningful improvement by one point in a 0- 10 scale was reported: up to 50% for pain; 48% for tiredness; 52% for drowsiness; 37% for nausea; 48% for lack of appetite; 35% for shortness of breath; 48% for depression; 37% for anxiety; 67% for wellbeing. Mean ESAS score improved significantly for tiredness (5.79 vs 4.76 vs 3.76, p- value 0.017); drowsiness (2.86 vs 1.97 vs 1.28, p-value 0.023); lack of appetite (3.95 vs 2.55 vs 1.72, p-value 0.004); and wellbeing (4.75 vs 3.29 vs 2.92, p-value <0.001). Mild side-effects not requiring suspension of treatment (i.e feeling light-headedness in the morning) were reported by 15.5% of patients at 1st follow-up and 14.8% at 2nd follow-up.Conclusion: Cannabis treatment seems to positively impact symptom burden in cancer patients, with clinically and statistically significant improvements in wellbeing, tiredness, drowsiness and lack of appetite.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,011 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,012 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».