Depression, marijuana use and early‐onset marijuana use conferred unique effects on neural connectivity and cognition
Notice bibliographique
Résumé
OBJECTIVE: Marijuana (MJ) use is common. Research shows risks for psychiatric illnesses, including major depressive disorder (MDD) and cognitive deficits with MJ use, particularly early-onset use. We investigated cognitive function, functional connectivity, and genetic risk with MDD alone and combined with MJ use, and differences between early-vs. late-onset/non-MJ use in youth. METHOD: A total of 74 youth in four groups were studied: healthy control, MDD, frequent MJ use and current/past MDD plus frequent MJ use. Psychiatric symptoms, cognitive performance and demographics were measured. Default mode network (DMN) brain connectivity was determined. Risk alleles in six genes of interest were evaluated. RESULTS: DMN differences among groups in reward-processing and motor control regions were found; the effects of MJ use and MDD were distinct. Early-onset MJ use was associated with lower IQ and hyperconnectivity within areas of the DMN. Early-onset MJ use was associated with the BDNF risk allele. CONCLUSIONS: Cognitive deficits linked with early-onset MJ use were present within several years after MJ use began and may result from, predispose to, or share a common cause with early-onset MJ use. The DMN was affected by MDD, MJ and their combination, as well as by early-onset MJ use. BDNF carrier state may predispose to early-onset MJ use.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».