Cannabis use and mood disorders: a systematic review
Notice bibliographique
Résumé
Background: Problematic cannabis use is highly prevalent among people with mood disorders. This underscores the need to understand the effects of cannabis and cannabinoids in this population, especially considering legalization of recreational cannabis use. Objectives: We aimed to (1) systematically evaluate cross-sectional and longitudinal studies investigating the interplay between cannabis use, cannabis use disorder (CUD), and the occurrence of mood disorders and symptoms, with a focus on major depressive disorder (MDD) and bipolar disorder (BD) and; (2) examine the effects of cannabis on the prognosis and treatment outcomes of MDD and BD. Methods: Following PRISMA guidelines, we conducted an extensive search for English-language studies investigating the potential impact of cannabis on the development and prognosis of mood disorders published from inception through November 2023, using EMBASE, PsycINFO, PubMed, and MEDLINE databases. Results: Our literature search identified 3,262 studies, with 78 meeting inclusion criteria. We found that cannabis use is associated with increased depressive and manic symptoms in the general population in addition to an elevated likelihood of developing MDD and BD. Furthermore, we observed that cannabis use is linked to an unfavorable prognosis in both MDD or BD. Discussion: Our findings suggest that cannabis use may negatively influence the development, course, and prognosis of MDD and BD. Future well-designed studies, considering type, amount, and frequency of cannabis use while addressing confounding factors, are imperative for a comprehensive understanding of this relationship. Systematic review registration: https://www.crd.york.ac.uk/prospero/display_record.php?ID=CRD42023481634.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».