Does cannabis use predict aggressive or violent behavior in psychiatric populations? A systematic review
Notice bibliographique
Résumé
Background: Despite an increase in information evaluating the therapeutic and adverse effects of cannabinoids, many potentially important clinical correlates, including violence or aggression, have not been adequately investigated.Objectives: In this systematic review, we examine the published evidence for the relationship between cannabis and aggression or violence in individuals with psychiatric disorders.Methods: Following PRISMA guidelines, articles in English were searched on PubMed, Google Scholar, MEDLINE, and PsycINFO from database inception to January 2022. Data for aggression and violence in people with psychiatric diagnoses were identified during the searches.Results: Of 391 papers identified within the initial search, 15 studies met inclusion criteria. Cross-sectional associations between cannabis use and aggression or violence in samples with post-traumatic stress disorder (PTSD) were found. Moreover, a longitudinal association between cannabis use and violence and aggression was observed in psychotic-spectrum disorders. However, the presence of uncontrolled confounding factors in the majority of included studies precludes any causal conclusions.Conclusion: Although cannabis use is associated with aggression or violence in individuals with PTSD or psychotic-spectrum disorders, causal conclusions cannot be drawn due to methodological limitations observed in the current literature. Well-controlled, longitudinal studies are needed to ascertain whether cannabis plays a causal role on subsequent violence or aggression in mental health disorders.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».