Cannabis Use and Stroke: Does a Risk Exist?
Notice bibliographique
Résumé
AIMS: Cannabis use has been reported as a risk factor for stroke. We systematically review the prevalence and outcomes of stroke in people with cannabis use. METHODS: We searched MEDLINE and 6 other databases from inception to January 2020 for studies on the relationship between cannabis use and stroke. We followed the preferred reporting items for systematic reviews and meta-analyses (PRISMA) recommendations. Two independent reviewers extracted the data. Study quality was assessed by the Newcastle-Ottawa Scale for cohort and case-control studies. RESULTS: Seventeen studies involving 3,185,560 people with cannabis use were included. Descriptive statistics demonstrated 18,676 (median 1.1%, interquartile range [IQR] 0.3%-1.3%) experienced stroke compared with 0.8% of those without use (Odds Ratio 1.17, 95% CI 1.10-1.25). Among people with cannabis use, median age was 26.2 years (IQR 25.2-34.3 years) and mostly male (median 57.8%). Of stroke subtypes, ischemic stroke was most prevalent (median 1.2%, IQR 0.4%-1.9%), followed by undefined stroke subtype (median 1.2%, IQR 1.1%-1.2%) and hemorrhagic stroke (median 0.3%, IQR 0.1%-0.6%). The majority of people with cannabis use who experienced stroke survived (median: 85.1%, IQR 83%-87.5%) and 64.0% of people experienced a good neurologic outcome, defined as modified Rankin Scale of 0 to 3. Few studies included outcomes of vasospasm or seizure. CONCLUSIONS: In people with cannabis use, the prevalence of ischemic stroke and hemorrhagic stroke was 1.2% and 0.3%, respectively, higher than the prevalence of people without use (0.8% and 0.2%). There is insufficient information on timing, exposure, duration, and dose-responsive relationship.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 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) | 0,001 | 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 ».