Cannabinoids as therapeutic agents in cardiovascular disease: a tale of passions and illusions
Notice bibliographique
Résumé
In addition to their classical known effects, such as analgesia, impairment of cognition and learning and appetite enhancement, cannabinoids have also been related to the regulation of cardiovascular responses and implicated in cardiovascular pathology. Elevated levels of endocannabinoids have been related to the extreme hypotension associated with various forms of shock as well as to the cardiovascular abnormalities that accompany cirrhosis. In contrast, cannabinoids have also been associated with beneficial effects on the cardiovascular system, such as a protective role in atherosclerosis progression and in cerebral and myocardial ischaemia. In addition, it has also been suggested that the pharmacological manipulation of the endocannabinoid system may offer a novel approach to antihypertensive therapy. During the last decades, the tremendous increase in the understanding of the molecular basis of cannabinoid activity has encouraged many pharmaceutical companies to develop more potent synthetic cannabinoid analogues and antagonists, leading to an explosion of basic research and clinical trials. Consequently. not only the synthetic THC dronabinol (Marinol) and the synthetic THC analogue nabilone (Cesamet) have been approved in the United States, but also the standardized cannabis extract (Sativex) in Canada. At least three strategies can be foreseen in the future clinical use of cannabinoid-based drugs: (a) the use of CB(1) receptor antagonists, such as the recently approved rimonabant (b) the use of CB(2)-selective agonists, and (c) the use of inhibitors of endocannabinoid degradation. In this context, the present review examines the effects of cannabinoids and of the pharmacological manipulation of the endocannabinoid system, in cardiovascular pathophysiology.
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 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».