Multiple sclerosis, cannabis, and cognition: A structural MRI study
Notice bibliographique
Résumé
OBJECTIVE: A subset of patients with multiple sclerosis (MS) smoke cannabis to relieve symptoms including spasticity and pain. Recent evidence suggests that smoking cannabis further impairs cognition in people with MS and is linked to impaired functional brain changes. No such association, however, has been reported between cannabis use and structural brain changes, hence the focus of the present study. METHODS: Twenty patients with MS who smoke cannabis for symptom relief, and 19 matched non-cannabis-smoking MS patients were given the Brief Repeatable Neuropsychological Battery and structural MRI scans. Images were segmented into gray matter and white matter, and subsequently analysed with Partial Least Squares, a data-driven multivariate technique that explores brain-behaviour associations. RESULTS: In both groups, the Partial Least Squares analysis yielded significant correlations between cognitive scores and both gray matter (33% variance, p < .0001) and white matter (17% variance, p < .05) volume. Gray matter volume in the thalamus, basal ganglia, medial temporal, and medial prefrontal regions, and white matter volume in the fornix correlated with cognitive deficits. Crucially, the analysis indicated that brain volume reductions were associated with more extensive cognitive impairment in the cannabis versus the non-cannabis MS group. INTERPRETATION: These results suggest that cannabis use in MS results in more widespread cognitive deficits, which correlate with tissue volume in subcortical, medial temporal, and prefrontal regions. These are the first findings demonstrating an association between cannabis use, cognitive impairment and structural brain changes in MS patients.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».