Alcohol confounds relationship between cannabis misuse and psychosis conversion in a high‐risk sample
Notice bibliographique
Résumé
OBJECTIVE: Cannabis use has been examined as a predictor of psychosis in clinical high-risk (CHR) samples, but little is known about the impact of other substances on this relationship. METHOD: Substance use was assessed in a large sample of CHR participants (N = 370, mean age = 18.3) enrolled in the multisite North American Prodrome Longitudinal Study Phase 1 project. Three hundred and forty-one participants with cannabis use data were divided into groups: No Use (NU, N = 211); Cannabis Use without impairment (CU, N = 63); Cannabis Abuse/Dependence (CA/CD, N = 67). Participants (N = 283) were followed for ≥2 years to determine psychosis conversion. RESULTS: Alcohol (45.3%) and cannabis (38.1%) were the most common substances. Cannabis use groups did not differ on baseline attenuated positive symptoms. Seventy-nine of 283 participants with cannabis and follow-up data converted to psychosis. Survival analysis revealed significant differences between conversion rates in the CA/CD group compared with the No Use (P = 0.031) and CU group (P = 0.027). CA/CD also significantly predicted psychosis in a regression analysis, but adjusting for alcohol use weakened this relationship. CONCLUSION: The cannabis misuse and psychosis association was confounded by alcohol use. Non-impairing cannabis use was not related to psychosis. Results highlight the need to control for other substance use, so as to not overstate the cannabis/psychosis connection.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».