MétaCan
Menu
Retour à la cohorte
Enregistrement W4283768888 · doi:10.21608/aimj.2022.109619.1707

Comparative study between effect of Cannabis and Synthetic Cannabinoids on cognitive functions

2022· article· en· W4283768888 sur OpenAlexaboutno aff
Mohammed Abdel-Ghany, Mohammed Hamouda, Mohammed Fahmi

Notice bibliographique

RevueAl-Azhar International Medical Journal /Al-Azhar International Medical Journal · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueBiochemical effects in animals
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSynthetic cannabinoidsCannabisEffects of cannabisCannabinoidPharmacologyCognitionMedicineNeurosciencePsychologyCannabidiolPsychiatryInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background: Synthetic cannabinoid usage is on the rise around the world, and it has become a huge global health issue. Previous studies showed a relationship between synthetic cannabinoids and cognitive function decline either after acute or chronic usage. Aim of the study: The present study aims at comparing between natural and synthetic cannabinoids effect on cognitive functions in a sample of Egyptian patients. Subjects and methods: Thirty patients using synthetic cannabinoids with or without cannabis and 30 patients using cannabis were included in the study. Montreal Cognitive Assessment was used to test cognitive functions. Results: Impairments in attention, language, orientation, abstract thinking, visuospatial and executive functions were observed in patients using synthetic cannabinoids with or without cannabis and were significantly higher than in patients using cannabis alone. Conclusion: Synthetic cannabinoids and cannabis both cause cognitive dysfunction and when cannabis abusers add synthetic cannabinoids to cannabis, it causes more cognitive dysfunction. According to the findings of this study, future research should focus on evaluating each cognitive domain with more extensive test batteries and supporting these assessments with brain imaging studies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,015
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,121
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,015
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,008
Charge utile insuffisante (le modèle a refusé de juger)0,0210,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,363
Écart entre enseignants0,344 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAl-Azhar International Medical Journal /Al-Azhar International Medical JournalMême sujetBiochemical effects in animalsTravaux en français237 207