MétaCan
Menu
Retour à la cohorte
Enregistrement W2990026571 · doi:10.9778/cmajo.20190026

Cannabis use during methadone maintenance treatment for opioid use disorder: a systematic review and meta-analysis

2019· review· en· W2990026571 sur OpenAlexaffvenue
Heather McBrien, Candice Luo, Nitika Sanger, Laura Zielinski, Meha Bhatt, Xi Ming Zhu, David C. Marsh, Lehana Thabane, Zainab Samaan

Notice bibliographique

RevueCMAJ Open · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueCannabis and Cannabinoid Research
Établissements canadiensMcMaster UniversityNOSM UniversitySt. Joseph’s Healthcare HamiltonMcMaster University Medical Centre
Organismes subventionnairesnon disponible
Mots-clésCannabisMethadoneMethadone maintenanceMedicinePsycINFOOpioidOpioid use disorderPsychiatryObservational studyMeta-analysisMEDLINECINAHLInternal medicinePsychological intervention

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Rates of cannabis use among patients receiving methadone maintenance therapy are high, and cannabis use may be associated with outcomes of methadone maintenance therapy. We examined the effect of cannabis use on opioid use in patients receiving methadone maintenance therapy to test the hypothesis that cannabis use is associated with a reduction in opioid use. METHODS: In this systematic review, we searched MEDLINE/PubMed, Embase, PsycINFO, CINAHL and ProQuest Dissertations and Theses Global from inception to July 12, 2018. We summarized the effects of cannabis use on opioid use during methadone maintenance therapy and treatment retention. We conducted meta-analyses using a random effects model. RESULTS: We included 23 studies in our review. We performed a meta-analysis of 6 studies, with a total number of participants of 3676, examining use of cannabis and opioids during methadone maintenance therapy. Owing to high heterogeneity, we described the studies qualitatively but provide the forest plots as supplemental material. The overall quality of evidence was very low, with a high risk of bias, owing to the nature of observational studies. INTERPRETATION: CRD42015029372.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Méta-épidémiologie (sens large)
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 enseignants0,808
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0180,005
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
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 Opus0,180
Tête enseignante GPT0,421
Écart entre enseignants0,241 · 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.

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

Citations32
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCMAJ OpenMême sujetCannabis and Cannabinoid ResearchTravaux en français237 207