MétaCan
Menu
Retour à la cohorte
Enregistrement W2909170567 · doi:10.1097/mol.0000000000000575

Cannabis effects on lipoproteins

2019· review· en· W2909170567 sur OpenAlexaffabout
Julieta Lazarte, Robert A. Hegele

Notice bibliographique

RevueCurrent Opinion in Lipidology · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueCannabis and Cannabinoid Research
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésCannabisRimonabantEndocannabinoid systemCannabinoid receptorContext (archaeology)CannabinoidEffects of cannabisMedicinePharmacologyTriglycerideEndocrinologyInternal medicineReceptorCholesterolAntagonistBiologyPsychiatryCannabidiol

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: The endocannabinoid system affects several physiological functions. A family of endocannabinoid receptors is susceptible to cannabis constituents. Cannabis is widely used in our society and following its recent legalization in Canada, we focus on how exposure to cannabis and pharmacologic cannabinoid receptor type 1 (CB1) inhibition affect lipoprotein levels. RECENT FINDINGS: Several groups have reported that exposure to cannabis does not increase weight despite the marked increase in caloric intake. In observational studies, the effect of smoked cannabis exposure on plasma lipids is variable. Some studies in specific patient populations with longer exposure to cannabis seemed to identify slightly more favorable lipoprotein profiles in the exposed group. Several larger controlled clinical trials using orally administered rimonabant, a CB1 receptor antagonist, have consistently shown relative improvements in weight and plasma levels of triglyceride and high-density lipoprotein cholesterol among patients receiving the treatment. SUMMARY: The widely variable findings on the relationship of cannabis in various forms with plasma lipids preclude any definitive conclusions. Cannabis has complex effects on the cardiovascular system and its effects on lipid profile must be considered in this overall context. Further properly controlled research is required to better understand this topic.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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.

Tête enseignante Opus0,136
Tête enseignante GPT0,451
Écart entre enseignants0,315 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in LipidologyMême sujetCannabis and Cannabinoid ResearchTravaux en français237 207