A type II cannabis extract and a 1:1 blend of Δ(9)-tetrahydrocannabinol and cannabidiol display distinct antinociceptive profiles and engage different endocannabinoid targets when administered into the subarachnoid space
Notice bibliographique
Résumé
Introduction: Cannabis extracts are being increasingly used to mitigate chronic pain. Current guidelines for their prescription rely on Δ9-tetrahydrocannabinol (THC) and cannabidiol (CBD) content as well as the ratio of these major cannabinoids present in the blend. Here we assessed whether these descriptors were representative of product effectiveness to produce a desired outcome such as analgesia. Methods: In this study, we used a rat model of diabetic neuropathy and assessed the reduction in mechanical allodynia following intrathecal injection of pure THC, pure CBD, a 1:1 mix of these compounds and a “balanced” chemotype II cannabis extract. Engagement of endocannabinoid targets by different treatments was investigated using CB1 (AM251) and CB2 (AM630) receptor antagonists as well as a TRPV1 channel blocker (capsazepine). Results: Antinociceptive responses induced by an equivalent amount of THC administered in its pure form, as a THC:CBD mix or as a “balanced” extract were distinct. Furthermore, the 1:1 THC:CBD mix and the balanced extract had not only different response profiles but their relative engagement of CB1, CB2 receptors and TRPV1 channels was distinct. Discussion: These findings indicate that antinociceptive responses and targets engaged by blended cannabinoids are composition-specific, and cannot be simply inferred from THC and CBD contents. This information may have implications in relation to the way medicinal cannabis products are prescribed.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».