Growing up high: Understanding the impacts of adolescent cannabis use on mental health and brain Development
Notice bibliographique
Résumé
Adolescence represents one of the most crucial periods of human brain development. This unique neurodevelopmental window involves a complex interplay of synaptic re-modelling, the establishing of cortical and sub-cortical emotional processing and cognitive neural circuits along with a greater propensity for engaging in risky behaviours and experimentation with illicit drugs. A growing body of both clinical and pre-clinical evidence has demonstrated that exposure to cannabis, and more specifically, Δ-9-tetrahydrocannabinol (THC), the primary psychoactive compound in cannabis, can strongly increase the likelihood of developing serious neuropsychiatric disorders in later life. Adolescent THC exposure is linked to long-term cognitive impairments, emotional dysregulation, mood disorders and increased vulnerability to schizophrenia. The interplay between adolescent THC exposure and mental health risks have been linked to a wide array of underlying neurobiological pathologies, including structural and morphological alterations in brain circuits linked to cognitive function and emotional regulation. Despite this growing body of data, there remains considerable confusion and misinformation regarding how and why adolescent cannabis use can ultimately increase these psychopathological risk factors. Nevertheless, the confluence of clinical and pre-clinical neuroscience research related to these questions is finally providing much needed insight into the relative risks and identifying useful biomarkers that may ultimately allow us to establish more reliable criteria and guidelines for safer cannabis access and help mitigate these risks to mental health.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».