Cannabis in the management of PTSD: a systematic review
Notice bibliographique
Résumé
INTRODUCTION: Existing reviews exploring cannabis effectiveness have numerous limitations including narrow search strategies. We systematically explored cannabis effects on PTSD symptoms, quality of life (QOL), and return to work (RTW). We also investigated harm outcomes such as adverse effects and dropouts due to adverse effects, inefficacy, and all-cause dropout rates. METHODS: Our search in MEDLINE, EMBASE, PsycInfo, CINAHL, Web of Science, CENTRAL, and PubMed databases, yielded 1 eligible RCT and 10 observational studies (n = 4672). Risk of bias (RoB) was assessed with the Cochrane risk of bias tool and ROBINS-I. RESULTS: Evidence from the included studies was mainly based on non-randomized studies with no comparators. Results from unpooled, high RoB studies showed that cannabis was associated with a reduction in overall PTSD symptoms and improved QOL. Dry mouth, headaches, and psychoactive effects such as agitation and euphoria were the commonly reported adverse effects. In most studies, cannabis was well tolerated, but small proportions of patients experienced a worsening of PTSD symptoms. CONCLUSION: Evidence in the current study primarily stems from low quality and high RoB observational studies. Further RCTs investigating cannabis effects on PTSD treatment should be conducted with larger sample sizes and explore a broader range of patient-important outcomes.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».