Evaluation of Breath and Plasma Tetrahydrocannabinol Concentration Trends Postcannabis Exposure in Medical Cannabis Patients
Notice bibliographique
Résumé
The legalization of cannabis in Canada brings novel challenges across various fronts, such as policy development, law enforcement, and public health and safety. It is imperative to improve our understanding of the mechanisms and trends surrounding cannabis use to develop efficacious methods of tackling these challenges. Materials and Methods: Patients' breath collection was achieved using the ExaBreath device from SensAbues. THC measurements in plasma and breath samples were processed and analyzed using LC-MS/MS. Discussion: We conducted a pragmatic clinical trial on 23 medical cannabis patients, wherein we collected breath and plasma samples intermittently for 4 hours after cannabis consumption. The research participants consumed between 1 and 2 g of cannabis by either vaping, cannabis cigarette, or concentrated wax (dabs) for 10 min. We used standardized laboratory analytical techniques using liquid chromatography–tandem mass spectrometry to analyze both the breath and plasma sample. To analyze the data and find patterns, we developed models using artificial neural network analysis. Conclusion: Our findings show that tetrahydrocannabinol (THC) breath concentrations peaked in 0.5 hours and reached baseline levels after 2 hours in all the patients. We found an inverse correlation between individuals' body mass index and their peak breath concentrations, and an inverse relationship between age and peak breath concentrations. Male participants had higher peak breath and plasma concentrations than female participants. Our research provides new insight into the correlations between breath and plasma THC concentrations in medical cannabis patients.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».