Cannabis and Athletic Performance
Notice bibliographique
Résumé
Cannabis is widely used for both recreational and medicinal purposes on a global scale. There is accumulating interest in the use of cannabis and its constituents for athletic recovery, and in some instances, performance. Amidst speculation of potential beneficial applications, the effects of cannabis and its two most abundant constituents, delta-9-tetrahydrocannabinol (THC) and cannabidiol (CBD), remain largely un-investigated. The purpose of this review is to critically evaluate the literature describing the effects of whole cannabis, THC, and CBD, on athletic performance and recovery. While investigations of whole cannabis and THC have generally shown either null or detrimental effects on exercise performance in strength and aerobic-type activities, studies of sufficient rigor and validity to conclusively declare ergogenic or ergolytic potential in athletes are lacking. The ability of cannabis and THC to perturb cardiovascular homeostasis warrants further investigation regarding mechanisms by which performance may be affected across different exercise modalities and energetic demands. In contrast to cannabis and THC, CBD has largely been scrutinized for its potential to aid in recovery. The beneficial effects of CBD on sleep quality, pain, and mild traumatic brain injury may be of particular interest to certain athletes. However, research in each of these respective areas has yet to be thoroughly investigated in athletic populations. Elucidating the effects of whole cannabis, THC, and CBD is pertinent for both researchers and practitioners given the widespread use of these products, and their potential to interact with athletes' performance and recovery.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| 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 | 0,001 |
| 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 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 ».