Using Mismatch Negativity to Investigate the Pathophysiology of Substance Use Disorders and Comorbid Psychosis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Substance use disorders (SUDs) have a devastating impact on society and place a heavy burden on health care systems. Given that alcohol, tobacco, and cannabis use have the highest prevalence, further understanding of the underlying pathophysiology of these SUDs is crucial. Electroencephalography is an inexpensive, temporally superior, and translatable technique which enables investigation of the pathobiology of SUDs through the evaluation of various event-related potential components, including mismatch negativity (MMN). The goals of this review were to investigate the effects of acute and chronic alcohol, tobacco, and cannabis use on MMN among nonpsychiatric populations and patients with comorbid psychosis. A literature search was performed using the database PubMed, and 36 articles met our inclusion and exclusion criteria. We found a pattern of attenuation of MMN amplitude among patients with alcoholism across acute and chronic alcohol use, and this dysregulation was not heritable. Reports were limited, and results were mixed on the effects of acute and chronic tobacco and cannabis use on MMN. Reports on comorbid SUDs and psychosis were even fewer, and also presented mixed findings. These preliminary results suggest that MMN deficits may be associated with SUDs, specifically alcohol use disorder, and serve as a possible biomarker for treating these common disorders.
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.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,006 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle