Emprego de canabinoides no manejo da dor crônica não oncológica
Bibliographic record
Abstract
Os canabinoides são princípios ativos presentes em compostos derivados de plantas do gênero cannabis e capazes de interagir com o sistema endocanabinoide, sendo atualmente empregados na terapêutica de condições de saúde frequentes como náuseas, espasticidade e epilepsia. Além disso, no contexto atual do estudo da dor, essas substâncias têm constituído importante objeto de pesquisa no âmbito do manejo da dor crônica não-oncológica. Nesse sentido, este estudo busca detalhar conceitos elementares relativos à dor crônica, e revisar as principais evidências científicas existentes até o momento acerca do emprego dos canabinoides no tratamento dessa condição. Este estudo se baseia em uma revisão descritiva da literatura médica, no âmbito da qual se utilizaram as bases de dados Scielo, Lilacs e Pubmed para busca de artigos científicos mediante os descritores “cannabinoids”, “treatment” and “chronic pain”. Averiguou-se escassez na literatura de estudos com viés satisfatoriamente baixo e de consistente nível de evidência científica, o que corrobora a inviabilidade atual do estabelecimento de um protocolo bem definido que permita uma mais ampla utilização dos canabinoides no manejo da dor crônica não-oncológica. Por meio das evidências trazidas a tona por este tudo, concluiu-se que há notável necessidade de estabelecimento de linhas de pesquisa mais consistentes centradas no estudo dos benefícios e limitações do emprego dos canabinoides para fins de compensação da dor crônica não-oncológica.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".