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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».