The effects of marijuana smoking on lung function in older people
Notice bibliographique
Résumé
Background Previous studies have associated marijuana exposure with increased respiratory symptoms and chronic bronchitis among long-term cannabis smokers. The long-term effects of smoked marijuana on lung function remain unclear. Methods We determined the association of marijuana smoking with the risk of spirometrically defined chronic obstructive pulmonary disease (COPD) (post-bronchodilator forced expiratory volume in 1 s (FEV 1 )/forced vital capacity ratio <0.7) in 5291 population-based individuals and the rate of decline in FEV 1 in a subset of 1285 males and females, aged ≥40 years, who self-reported use (or non-use) of marijuana and tobacco cigarettes and performed spirometry before and after inhaled bronchodilator on multiple occasions. Analysis for the decline in FEV 1 was performed using random mixed effects regression models adjusted for age, sex and body mass index. Heavy tobacco smoking and marijunana smoking was defined as >20 pack-years and >20 joint-years, respectively. Results ∼20% of participants had been or were current marijuana smokers with most having smoked tobacco cigarettes in addition (83%). Among heavy marijuana users, the risk of COPD was significantly increased (adjusted OR 2.45, 95% CI 1.55–3.88). Compared to never-smokers of marijuana and tobacco, heavy marijuana smokers and heavy tobacco smokers experienced a faster decline in FEV 1 by 29.5 mL·year −1 (p=0.0007) and 21.1 mL·year −1 (p<0.0001), respectively. Those who smoked both substances experienced a decline of 32.31 mL·year −1 (p<0.0001). Interpretation Heavy marijuana smoking increases the risk of COPD and accelerates FEV 1 decline in concomitant tobacco smokers beyond that observed with tobacco alone.
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 | 0,003 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».