Dietary fats and pharmaceutical lipid excipients increase systemic exposure to orally administered cannabis and cannabis-based medicines.
Notice bibliographique
Résumé
There has been an escalating interest in the medicinal use of Cannabis sativa in recent years. Cannabis is often administered orally with fat-containing foods, or in lipid-based pharmaceutical preparations. However, the impact of lipids on the exposure of patients to cannabis components has not been explored. Therefore, the aim of this study is to elucidate the effect of oral co-administration of lipids on the exposure to two main active cannabinoids, Δ(9)-tetrahydrocannabinol (THC) and cannabidiol (CBD). In this study, oral co-administration of lipids enhanced the systemic exposure of rats to THC and CBD by 2.5-fold and 3-fold, respectively, compared to lipid-free formulations. In vitro lipolysis was conducted to explore the effect of lipids on the intestinal solubilisation of cannabinoids. More than 30% of THC and CBD were distributed into micellar fraction following lipolysis, suggesting that at least one-third of the administered dose will be available for absorption following co-administration with lipids. Both cannabinoids showed very high affinity for artificial CM-like particles, as well as for rat and human CM, suggesting high potential for intestinal lymphatic transport. Moreover, comparable affinity of cannabinoids for rat and human CM suggests that similar increased exposure effects may be expected in humans. In conclusion, co-administration of dietary lipids or pharmaceutical lipid excipients has the potential to substantially increase the exposure to orally administered cannabis and cannabis-based medicines. The increase in patient exposure to cannabinoids is of high clinical importance as it could affect the therapeutic effect, but also toxicity, of orally administered cannabis or cannabis-based medicines.
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 | 0,000 | 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 | 0,001 |
| 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 ».