Risk Factors for Cannabis-Related Mental Health Harms in Older Adults: A Review
Notice bibliographique
Résumé
Objectives: This paper reviews research on the topic of cannabis use and mental health harms in older adults and illustrates potential contributing factors and special clinical considerations for working with this population. Known risk factors for cannabis-related mental disorders and mental health problems are outlined, first for the general population and then specifically for older adults.Methods: Studies were identified through online databases using a variety of search words. Articles were included in the review if they were peer-reviewed or published by a reputable national organization, published in English, and were pertinent to the topic of mental health harms of cannabis use.Results: Risk factors that emerged from the literature review aligned with the following categories: (1) patterns of use (i.e., potency of product, frequency of use), (2) personal characteristics (i.e., age, sex, social demographics), (3) psychosocial constructs (motivations, perceptions), and (4) morbidities (mental health, medication interactions).Conclusions: Frequent use was associated with increased risk for mental health consequences related to cannabis use. Certain motives for use (i.e., using to cope, using as a sleep aid) may increase susceptibility to cannabis-related harms, although more empirical work is required. Mental health conditions may predispose to cannabis-related harms through a variety of mechanisms, including increased vulnerability for cannabis-related psychiatric disorders, poorer prognosis for preexisting psychiatric disorders, and possibility of cannabis-medication interactions. Personal characteristics (younger age, being male, lower socioeconomic status) predict more frequent cannabis use, which may dispose to adverse outcomes.Clinical Implications: Predictors of cannabis-related harms hold relevance for public health messaging, as well as clinical interventions. Understanding how cannabis interacts with sociodemographic factors, mental health morbidities, and medications is crucial in providing accurate guidance to patients about their recreational cannabis use and in informing prescriber decisions about medicinal cannabis.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».