Does tobacco dependence worsen cannabis withdrawal in people with and without schizophrenia‐spectrum disorders?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Rates of cannabis use disorder (CUD) are higher in people with schizophrenia than in the general population. Irrespective of psychiatric diagnosis, tobacco co-use is prevalent in those with CUD and leads to poor cannabis cessation outcomes. The cannabis withdrawal syndrome is well-established and increases cannabis relapse risk. We investigated whether cannabis withdrawal severity differed as a function of high versus no/low tobacco dependence and psychiatric diagnosis in individuals with CUD. METHOD: Men with CUD (N = 55) were parsed into four groups according to schizophrenia diagnosis and tobacco dependence severity using the Fagerstrom Test for Nicotine Dependence (FTND): men with schizophrenia with high tobacco dependence (SCT+, n = 13; FTND ≥ 5) and no/low tobacco dependence (SCT-, n = 22; FTND ≤ 4), and nonpsychiatric controls with high (CCT+, n = 7; FTND ≥ 5) and no/low (CCT-, n = 13; FTND ≤ 4) tobacco dependence. Participants completed the Marijuana Withdrawal Checklist following 12-h of cannabis abstinence. RESULTS: There was a significant main effect of tobacco dependence on cannabis withdrawal severity (p < .001). Individuals with high tobacco dependence had significantly greater cannabis withdrawal severity (M = 13.85 [6.8]) compared to individuals with no/low tobacco dependence (M = 6.49, [4.9]). Psychiatric diagnosis and the interaction effects were not significant. Lastly, cannabis withdrawal severity positively correlated with FTND (r = .41, p = .002). CONCLUSION AND SCIENTIFIC SIGNIFICANCE: Among individuals with CUD and high tobacco dependence, cannabis withdrawal severity was elevated twofold, irrespective of diagnosis, relative to individuals with CUD and no/low tobacco dependence. Findings from this study emphasize the importance of addressing tobacco co-use when treating CUD.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 découle