A systematic review and meta-analysis of sex differences in cannabis use disorder amongst people with comorbid mental illness
Notice bibliographique
Résumé
BACKGROUND: While males are more likely diagnosed with cannabis use disorder (CUD), females are more susceptible to developing and maintaining CUD. Yet, for both sexes, CUD is associated with high rates of comorbid mental illness (MI). OBJECTIVES: To identify and compare sex differences in the prevalence of comorbid CUD amongst individuals with/without MIs. METHODS: This systematic review generated pooled odds ratios (OR) and 95% confidence intervals (CI) from 37 studies (including clinical trials, cohort, and case-control studies) among individuals with and without MIs, quantifying sex differences in rates of comorbid CUD. A meta-analysis was also completed. RESULTS: In the CUD-only group, males were twice as likely to have CUD than females (OR = 2.0, CI = 1.9-2.1). Among MIs, males were more likely than females to have CUD comorbid with schizophrenia (OR ~2.6, CI = 2.5-2.7) and other psychotic, mood, and substance use disorders (1> OR <2.2, CI = 0.7-2.6). The reverse association (females > males) was observed for anxiety disorders and antisocial personality disorder (OR = 0.8, CI = 0.7-1.0). Among females, MIs increased the likelihood of having CUD, except for psychotic disorders and depression. A meta-analysis was inconclusive due to high heterogeneity across studies. Thus, comparisons across MI groups were not possible. CONCLUSION: While males are more likely to be diagnosed with CUD, there are important sex differences in the prevalence of CUD across MI diagnoses that should be taken into account when approaching CUD prevention and determining treatment efficacy.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,012 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».