The Impact of Cannabidiol on Psychiatric and Medical Conditions
Notice bibliographique
Résumé
Cannabidiol (CBD) is a substance chemically derived from Cannabis sativa and discussed to be non-psychoactive. According to the FDA, marijuana is classified as a schedule I substance; however, hemp which is defined as extracts from marijuana including cannabinoids containing less than 0.3% tetrahydrocannabinol (THC), is excluded from that controlled substance act and available at local convenience stores in the US as it is seen as an herbal supplement. CBD is purported to be used for various medical and psychiatric conditions: depression, anxiety, post-traumatic stress disorder, Alzheimer's or other cognitive illnesses as well as pain. There is also a new trend to use CBD for the treatment of opioid use disorder. The one CBD product on the market that is FDA approved for the treatment of childhood epilepsy forms Dravet and Lennox-Gastaut syndromes is available under the name Epidiolex. There is a significant difference between this medication and the over-the-counter CBD products that contain very inconsistent strengths of CBD, if they contain it at all, and vary in percentage even from sample to sample. Frequently the so-called CBD products are not containing any CBD at all, but mostly containing THC. This article is a systematic review of literature reviewing the available clinical data on CBD, for use in various medical and psychiatric conditions with focus on a review of the pharmacology and toxicity. Resources used were ORVID, PubMed, MEDLINE, PsychINFO, EMBASE with keywords CBD, cannabidiol, hemp and cannabinoids.
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 | 0,025 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,009 |
| 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 ».