MétaCan
Menu
Retour à la cohorte
Enregistrement W2013161419 · doi:10.1002/cpt.119

Cannabinoids: Friend or foe?

2015· editorial· en· W2013161419 sur OpenAlexafffund
Bernard Le Foll, Rachel F. Tyndale

Notice bibliographique

RevueClinical Pharmacology & Therapeutics · 2015
Typeeditorial
Langueen
DomaineMedicine
ThématiqueCannabis and Cannabinoid Research
Établissements canadiensUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesNational Institute on Drug AbuseNational Institute of Mental HealthCanadian Institutes of Health ResearchDepartment of Psychiatry, University of TorontoCentre for Addiction and Mental HealthNational Institutes of HealthUniversity of TorontoCampbell Family Mental Health Research InstituteGW Pharmaceuticals
Mots-clésCannabisClinical pharmacologyCannabinoidPharmacologySynthetic cannabinoidsDronabinolHarmAddictionMedicinePsychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

This issue of Clinical Pharmacology & Therapeutics focuses on cannabinoids. Our understanding of these interesting endogenous and synthetic compounds, and their role in the cannabinoid system, has evolved dramatically, in part because of the acquisition of new research tools. Cannabis has been used for centuries by humans for recreational and medicinal purposes, however, there is substantial evidence that cannabis use can expose people to varying complications (e.g., risk of addiction, cognitive impairment), thus, it is important to determine the benefit/risk of cannabis with precision and to implement policy measures based on evidence to maximize the benefits and minimize the harm. Novel cannabinoid drugs are emerging for medicinal use (e.g., dronabinol, nabiximols) and as illicit drugs (e.g., Spice, K2) perpetuating the perception that cannabinoid drugs can be a friend or foe. This special issue will cover these various aspects of cannabinoid pharmacology and therapeutics ranging from basic chemistry, pharmacokinetics, pharmacodynamics, and clinical trial results, to policy and education efforts in this area.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,015
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,003
Communication savante0,0060,006
Science ouverte0,0030,002
Intégrité de la recherche0,0110,016
Charge utile insuffisante (le modèle a refusé de juger)0,0130,012

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.

Tête enseignante Opus0,128
Tête enseignante GPT0,505
Écart entre enseignants0,376 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreÉditorial

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClinical Pharmacology & TherapeuticsMême sujetCannabis and Cannabinoid ResearchTravaux en français237 207