Cannabinoids in the management of behavioral, psychological, and motor symptoms of neurocognitive disorders: a mixed studies systematic review
Notice bibliographique
Résumé
AIM: We undertook this systematic review to determine the efficacy and safety of cannabis-based medicine as a treatment for behavioral, psychological, and motor symptoms associated with neurocognitive disorders. METHODS: We conducted a PRISMA-guided systematic review to identify studies using cannabis-based medicine to treat behavioral, psychological, and motor symptoms among individuals with Alzheimer's disease (AD) dementia, Parkinson's disease (PD), and Huntington's disease (HD). We considered English-language articles providing original data on three or more participants, regardless of design. FINDINGS: We identified 25 studies spanning 1991 to 2021 comprised of 14 controlled trials, 5 pilot studies, 5 observational studies, and 1 case series. In most cases, the cannabinoids tested were dronabinol, whole cannabis, and cannabidiol, and the diagnoses included AD (n = 11), PD (n = 11), and HD (n = 3). Primary outcomes were motor symptoms (e.g., dyskinesia), sleep disturbance, cognition, balance, body weight, and the occurrence of treatment-emergent adverse events. CONCLUSIONS: A narrative summary of the findings from the limited number of studies in the area highlights an apparent association between cannabidiol-based products and relief from motor symptoms in HD and PD and an apparent association between synthetic cannabinoids and relief from behavioral and psychological symptoms of dementia across AD, PD, and HD. These preliminary conclusions could guide using plant-based versus synthetic cannabinoids as safe, alternative treatments for managing neuropsychiatric symptoms in neurocognitive vulnerable patient populations.
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 | 0,012 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».