Exploring the impact of adolescent exposure to cannabinoids and nicotine on psychiatric risk: insights from translational animal models
Notice bibliographique
Résumé
Adolescence represents a highly sensitive period of mammalian neurodevelopment wherein critical synaptic and structural changes are taking place in brain regions involved in cognition, self-regulation and emotional processing. Importantly, neural circuits such as the mesocorticolimbic pathway, comprising the prefrontal cortex, sub-cortical mesolimbic dopamine system and their associated input/output centres, are particularly vulnerable to drug-related insults. Human adolescence represents a life-period wherein many individuals first begin to experiment with recreational drugs such as nicotine and cannabis, both of which are known to profoundly modulate neurochemical signalling within the mesocorticolimbic pathway and to influence both long-term and acute neuropsychiatric symptoms. While a vast body of epidemiological clinical research has highlighted the effects of adolescent exposure to drugs such as nicotine and cannabis on the developing adolescent brain, many of these studies are limited to correlative analyses and rely on retrospective self-reports from subjects, making causal interpretations difficult to discern. The use of pre-clinical animal studies can avoid these issues by allowing for precise temporal and dose-related experimental control over drug exposure during adolescence. In addition, such animal-based research has the added advantage of allowing for in-depth molecular, pharmacological, genetic and neuronal analyses of how recreational drug exposure may set up the brain for neuropsychiatric risk. This review will explore some of the advantages and disadvantages of these models, with a focus on the common, divergent and synergistic effects of adolescent nicotine and cannabis exposure on neuropsychiatric risk.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,002 |
| 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 ».