Cannabis and the Health and Performance of the Elite Athlete
Notice bibliographique
Résumé
OBJECTIVE: Cannabis (marijuana) is undergoing extensive regulatory review in many global jurisdictions for medical and nonmedical access. Cannabis has potential impact on the health of athletes as well as on performance in both training and in competition. The aim of this general review is to identify and highlight the challenges in interpreting information with respect to elite athletic performance, and to point to important research areas that need to be addressed. DATA SOURCES: A nonsystematic literature review was conducted using Medline and PubMed for articles related to cannabis/marijuana use and sports/athletic performance; abstracts were reviewed by lead author and key themes identified and explored. MAIN RESULTS: Cannabis may be primarily inhaled or ingested orally for a range of medical and nonmedical reasons; evidence for efficacy is limited but promising for chronic pain management. Although evidence for serious harms from cannabis use on health of athletes is limited, one should be cognizant of the potential for abuse and mental health issues. Although the prevalence of cannabis use among elite athletes is not well-known, use is associated with certain high-risk sports. There is no evidence for cannabis use as a performance-enhancing drug. CONCLUSIONS: Medical and nonmedical cannabis use among athletes reflects changing societal and cultural norms and experiences. Although cannabis use is more prevalent in some athletes engaged in high-risk sports, there is no direct evidence of performance-enhancing effects in athletes. The potential beneficial effects of cannabis as part of a pain management protocol, including reducing concussion-related symptoms, deserve further attention.
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 | 0,009 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».