MétaCan
Menu
Retour à la cohorte
Enregistrement W2965029889 · doi:10.1093/brain/awz213

Coming off cannabis: a cognitive and magnetic resonance imaging study in patients with multiple sclerosis

2019· article· en· W2965029889 sur OpenAlexafffund
Anthony Feinstein, Cecilia Meza, Cristiana Stefan, Richard W. Staines

Notice bibliographique

RevueBrain · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueMultiple Sclerosis Research Studies
Établissements canadiensUniversity of WaterlooUniversity of TorontoCentre for Addiction and Mental HealthSunnybrook Health Science Centre
Organismes subventionnairesSanofi GenzymeMultiple Sclerosis Society of CanadaUniversity of TorontoTeva Pharmaceutical Industries
Mots-clésCannabisAbstinenceMultiple sclerosisCognitionPsychologyPaced Auditory Serial Addition TestNeuropsychologyAudiologyCognitive testEffects of sleep deprivation on cognitive performanceEffects of cannabisMedicinePsychiatryCannabidiol

Résumé

récupéré en direct d'OpenAlex

Cognitive dysfunction affects 40-80% of patients with multiple sclerosis. Smoking cannabis may add to these deficits. It is unclear whether coming off cannabis results in cognitive improvement. To address this question, 40 patients with multiple sclerosis who started using cannabis after the onset of multiple sclerosis and who used it for at least 4 days a week over many years were divided by odd-even number selection into two groups: cannabis continuation and cannabis withdrawal. Assessments took place at baseline and after 28 days and included serial versions of the Brief Repeatable Neuropsychological Battery for multiple sclerosis containing tests of verbal and visual memory, processing speed and executive function; structural and functional MRI, the latter entailing a compatible version of the Symbol Digit Modalities Test; urine for cannabinoid metabolites to detect compliance with abstinence. Only those participants deemed globally impaired at baseline (failure on at least two cognitive domains) were enrolled. The results revealed that the two groups were well matched demographically and neurologically. One subject was removed from the withdrawal group because of failed abstinence. Urine analysis revealed the cannabinoid consumed was predominantly tetrahydrocannabinol (THC). There were no baseline between group cognitive differences, but by Day 28 the withdrawal group performed significantly better on every cognitive index (P < 0.0001 for all). Significant within group differences were present for every test over time, but only in the abstinent group (P < 0.0001 for all tests). There were no between group baseline or Day 28 differences in structural MRI indices (global atrophy, total T1 and T2 lesion volume). At index assessment the two groups had a similar performance on the functional MRI-compatible Symbol Digit Modalities Test and there were no group differences in brain activation. However, by Day 28, the withdrawal group completed more trials correctly (P < 0.012) and had a faster reaction time (P < 0.002), associated with significantly increased activation in brain regions known to be associated with performance of the test (bilateral inferior frontal gyri, caudate and declive/cerebellum, P < 0.001 for all regions). These results reveal that patients with multiple sclerosis who are frequent, long-term cannabis users can show significant improvements in memory, processing speed and executive function after 28 days of drug abstinence. The absence of similar improvements in a matched multiple sclerosis group that remained on cannabis shows that beneficial cognitive change after stopping cannabis is not solely attributable to the effects of practice.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,081
Score d'incertitude au seuil0,535

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,272
Écart entre enseignants0,248 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations31
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBrainMême sujetMultiple Sclerosis Research StudiesTravaux en français237 207