Cannabidiol‐associated hepatotoxicity: A systematic review and meta‐analysis
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: Findings of liver enzyme elevations in recent cannabidiol studies have raised concerns over liver safety. This study aimed to determine the association between cannabidiol use, liver enzyme elevation, and drug-induced liver injury (DILI). METHODS: In this systematic review and meta-analysis, a search of EMBASE, CENTRAL, CINAHL, Clinicaltrials.gov, Medline, medRxiv, and Web of Science of records up to February 2022 was conducted. Clinical trials initiating daily cannabidiol treatment with serial liver enzyme measures were included. The proportion of liver enzyme elevations and DILI were independently extracted from published reports. Pooled proportions and probability meta-analyses were conducted. RESULTS: Cannabidiol use was associated with an increased probability of liver enzyme elevation (N = 12 trials, n = 1229; OR = 5.85 95% CI = 3.84-8.92, p < 0.001) and DILI (N = 12 trials, n = 1229; OR = 4.82 95% CI = 2.46-9.45, p < 0.001) compared to placebo controls. In participants taking cannabidiol (N = 28 trials, n = 1533), the pooled proportion of liver enzyme elevations was 0.074 (95% CI 0.0448-0.1212), and DILI was 0.0296 (95% CI 0.0136-0.0631). High-dose CBD (≥1000 mg/day or ≥20 mg/kg/day) and concomitant antiepileptic drug use were identified as risk factors. No cases were reported in adults using cannabidiol doses <300 mg/day. No cases of severe DILI were reported. CONCLUSIONS: Cannabidiol-associated liver enzyme elevations and DILI meet the criteria of common adverse drug events. Clinicians are encouraged to screen for cannabidiol use and monitor liver function in patients at increased risk.
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 | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,021 | 0,005 |
| Bibliométrie | 0,002 | 0,003 |
| 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 | 0,002 |
| 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 découle