Cannabis and its derivatives for the use of motor symptoms in Parkinson’s disease: a systematic review and meta-analysis
Notice bibliographique
Résumé
Background: Recent changes to the legal status of cannabis across various countries have renewed interest in exploring its use in Parkinson’s disease (PD). The use of cannabinoids for alleviation of motor symptoms has been extensively explored in pre-clinical studies. Objective: We aim to systematically review and meta-analyze literature on the use of medical cannabis or its derivatives (MC) in PD patients to determine its effect on motor function and its safety profile. Methods: We reviewed and analyzed original, full-text randomized controlled trials (RCTs) and observational studies. Primary outcomes were change in motor function and dyskinesia. Secondary outcomes included adverse events and side effects. All studies were analyzed for risk of bias. Results: Fifteen studies, including six RCTs, were analyzed. Of these, 12/15 (80%) mention concomitant treatment with antiparkinsonian medications, most commonly levodopa. Primary outcomes were most often measured using the Unified Parkinson Disease Rating Scale (UPDRS) among RCTs and patient self-report of symptom improvement was widely used among observational studies. Most of the observational data lacking appropriate controls had effect estimates favoring the intervention. However, the controlled studies demonstrated no significant motor symptom improvement overall. The meta-analysis of three RCTs, including a total of 83 patients, did not demonstrate a statistically significant improvement in UPDRS III score variation (MD −0.21, 95% CI −4.15 to 3.72; p = 0.92) with MC use. Only one study reported statistically significant improvement in dyskinesia ( p < 0.05). The intervention was generally well tolerated. All RCTs had a high risk of bias. Conclusion: Although observational studies establish subjective symptom alleviation and interest in MC among PD patients, there is insufficient evidence to support its integration into clinical practice for motor symptom treatment. This is primarily due to lack of good quality data.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».