Una herramienta que predice dosis no es una guía para aumentarlas. El Cannabis Dosage Risk Score, o CDRS, intenta anticipar patrones de tratamiento en lumbalgia crónica y necesita validación fuera de su cohorte original.
El estudio apareció el 4 de agosto de 2026 en Cannabis and Cannabinoid Research. Su diseño es un análisis retrospectivo de una cohorte seguida prospectivamente, no una asignación aleatoria de dosis.
Qué intenta anticipar
La investigación reunió a 225 pacientes de una clínica del dolor israelí. El modelo combina situación de discapacidad, uso inicial de opioides, puntuaciones de sueño y síntomas de ansiedad y depresión para predecir la categoría de dosis estabilizada a cinco años.
Los autores definieron la categoría alta como al menos 60 gramos mensuales. Es una clasificación del estudio, no una recomendación, y la masa de producto no equivale a una cantidad uniforme de cannabinoides activos.
Cómo se evaluó el modelo
El área bajo la curva corregida por optimismo fue de 0,78. Se realizó validación interna, pero no externa en otras poblaciones. El seguimiento también registró mejoría del dolor y abandono de opioides en parte de la cohorte.
Predicción y causalidad son preguntas distintas
El modelo intenta distinguir quién acabará en una categoría de dosis. No demuestra que esa dosis cause un mejor resultado ni que el cannabis sea responsable de la retirada de otros medicamentos.
Las decisiones clínicas, la evolución individual y las características del sistema sanitario pueden influir en las asociaciones observadas. Una emulación de ensayo diana no convierte los datos observacionales en un ensayo aleatorizado.
Qué haría falta para usarlo
Sería necesario comprobar su funcionamiento en centros y poblaciones independientes. Hasta entonces, conviene tratarlo como una propuesta de investigación sobre seguimiento personalizado, no como una calculadora de prescripción.
El artículo no ofrece instrucciones para ajustar dosis ni para abandonar opioides. Cualquier modificación del tratamiento requiere supervisión del equipo médico.
Ilustración editorial generada con OpenAI. Representación conceptual; no muestra participantes reales, pruebas diagnósticas ni resultados gráficos del estudio.



















