Relationship Between Recreational Cannabis Use and <i>Helicobacter pylori</i> Infection
Notice bibliographique
Résumé
Background: Cannabis plant extracts suppress gastric acid secretion and inflammation, and promote gastroduodenal ulcer healing, all of which are triggered by Helicobacter Pylori infection (HPI). Here, we evaluate the association between cannabis use and HPI among a representative community sample. Materials and Methods: We identified respondents who completed cannabis use questions and were tested for HPI ( H. pylori IgG antibody seropositivity) from the National Health and Nutrition Examination Survey III dataset ( n =4556). Cannabis usage was categorized as ever-use (ever, never), cumulative lifetime use (>10-times, 1–10-times, never), or recent use (>31-days-ago, within-31-days, never). We calculated the crude and adjusted risk (prevalence rate ratio, cPRR and aPRR) of having HPI with cannabis use using generalized Poisson models (SAS 9.4). The models were adjusted for demographics and risk factors for HPI. Results: The prevalence of HPI was lower among ever versus never cannabis users (18.6% vs. 33%, p <0.0001). Cannabis use was associated with a decreased risk of HPI (cPRR: 0.56 confidence interval [95% CI: 0.47–0.67]; p <0.0001), which persisted after adjusting for demographics (aPRR: 0.75 [95% CI: 0.63–0.90]; p =0.0016) and comorbidities (aPRR: 0.79 [95% CI: 0.66–0.95]; p =0.0145). Further, individuals with >10-times lifetime cannabis use had a decreased risk of HPI compared with those with 1–10-times lifetime use (aPRR: 0.70 [95% CI: 0.55–0.89]; p =0.0011) and never-users (aPRR: 0.65 [95% CI: 0.50–0.84]; p =0.0002). Conclusion: Recreational cannabis use is associated with diminished risk of HPI. These observations suggest the need for additional research assessing the effects of medical cannabis formulations on HPI.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».