Assessing the efficacy of Zebrafish seizure models for testing cannabinoids
Notice bibliographique
Résumé
Approximately 1% of the world's population is purported to be affected by epilepsy. Of which 30% have multi-drug resistant epilepsy, which often leads to the requirement for strong anti-seizure medications or cocktails thereof. In general this leads to an ever increasing side effect profile that is often debilitating in and of itself. It has been purported that cannabinoids, in particular cannabidiol (CBD), can mitigate, to some degree, epileptic seizures. Unfortunately, the evidence in support of this is largely anecdotal in nature. In the current study we have made use of a previously developed zebrafish model of induced neuro-hyperactivity following exposure to pentylenetetrazole (PTZ) along with a transgenic zebrafish model of idiopathic generalized epilepsy to test the effect of CBD, tetrahydorcannabidnol (THC) and cannabinol (CBN). We have found that both CBD and CBN appear to be able to reduce the neurohyperactivity in the PTZ model along with the seizure like activity in the transgenic model. THC on the other hand appears to have little to no effect beyond simple sedation. It also appears that when applied together CBD and THC may act synergistically to increase the effect of CBD. This study would then support the use of cannabinoids for the treatment of epileptic seizures.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».