Cannabis for the Treatment of Attention Deficit Hyperactivity Disorder: A Report of 3 Cases
Notice bibliographique
Résumé
Attention deficit hyperactivity disorder (ADHD) is a chronic neurobehavioral disorder that is highly prevalent in children and adults. An increasing number of patients with ADHD are self-medicating with cannabis, despite a lack of evidence on efficacy and safety. This case report describes 3 males (ages 18, 22, and 23) who have integrated cannabis into their treatment regimen with positive results. Semistructured interviews conducted with the patients describe subjective improvements in symptoms and on quality of life. Improvements on validated rating scales conducted post-cannabis initiation, compared to pre-cannabis initiation obtained from the medical chart, corroborated their personal accounts. Scores on the PHQ-9 (measuring depression) improved by 8-22 points (30-81%), and the SCARED (measuring anxiety) ranged from 0 to 27 points (up to 33%). Improvements on the CEER-9 scale (measuring regulation) ranged from 2 to 7 points (22-78%), and the 9-item SNAP scale (measuring inattention) showed improvements of 2-8 points (7-30%). Mild adverse events including short-term memory problems, dry mouth, and sleepiness were reported. Blood samples were also collected from the patients to determine the plasma concentrations of the cannabinoids and relevant metabolites before and after a cannabis administration. After cannabis use, the plasma levels for CBD and THC ranged from 0 to 15.29 ng/mL and 1.32 to 13.76 ng/mL, respectively. Cannabinoids, however, were not detected prior to dosing, suggesting that cannabis played a complimentary role in the therapeutic regimen of these 3 patients. Clinical trials are recommended to confirm the efficacy of cannabis in the treatment of ADHD.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».