Cannabis use is associated with reduced prevalence of non-alcoholic fatty liver disease: A cross-sectional study
Notice bibliographique
Résumé
Cannabis use is associated with reduced prevalence of obesity and diabetes mellitus (DM) in humans and mouse disease models. Obesity and DM are a well-established independent risk factor for non-alcoholic fatty liver disease (NAFLD), the most prevalent liver disease globally. The effects of cannabis use on NAFLD prevalence in humans remains ill-defined. Our objective is to determine the relationship between cannabis use and the prevalence of NAFLD in humans. We conducted a population-based case-control study of 5,950,391 patients using the 2014 Healthcare Cost and Utilization Project (HCUP), Nationwide Inpatient Survey (NIS) discharge records of patients 18 years and older. After identifying patients with NAFLD (1% of all patients), we next identified three exposure groups: non-cannabis users (98.04%), non-dependent cannabis users (1.74%), and dependent cannabis users (0.22%). We adjusted for potential demographics and patient related confounders and used multivariate logistic regression (SAS 9.4) to determine the odds of developing NAFLD with respects to cannabis use. Our findings revealed that cannabis users (dependent and non-dependent) showed significantly lower NAFLD prevalence compared to non-users (AOR: 0.82[0.76-0.88]; p<0.0001). The prevalence of NAFLD was 15% lower in non-dependent users (AOR: 0.85[0.79-0.92]; p<0.0001) and 52% lower in dependent users (AOR: 0.49[0.36-0.65]; p<0.0001). Among cannabis users, dependent patients had 43% significantly lower prevalence of NAFLD compared to non-dependent patients (AOR: 0.57[0.42-0.77]; p<0.0001). Our observations suggest that cannabis use is associated with lower prevalence of NAFLD in patients. These novel findings suggest additional molecular mechanistic studies to explore the potential role of cannabis use in NAFLD development.
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) | 0,000 | 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 ».