MétaCan
Menu
Retour à la cohorte
Enregistrement W4402877205 · doi:10.5430/jnep.v15n1p38

Clinical insights on Kratom and Delta-8-THC: Case study

2024· article· en· W4402877205 sur OpenAlexvenueno aff
Jason A. Gregg, R. Lee Tyson, Lisa M. Hachey

Notice bibliographique

RevueJournal of Nursing Education and Practice · 2024
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiqueAlkaloids: synthesis and pharmacology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDeltaChemistryComputational biologyPharmacologyPsychologyBiologyPhysics

Résumé

récupéré en direct d'OpenAlex

The rising use of Kratom and Delta-8-tetrahydrocannabinol (Delta-8-THC) poses new challenges for advanced practice registered nurses (APRNs). This article explores the increasing prevalence of these substances, driven by limited federal regulation and inconsistent state laws, which lead to their widespread availability and appeal to vulnerable populations. Kratom, from the Mitragyna speciosa tree, contains psychoactive compounds that mimic opioids and affect various neurotransmitter systems. Delta-8-THC, a milder cannabinoid from hemp or cannabis, remains unregulated and raises safety concerns. This review covers their pharmacological profiles, potential for abuse, and clinical implications, including a case study of Kris T., a 16-year-old gender nonconforming individual, highlighting dependence, withdrawal, and cognitive issues. APRNs need to understand these substances' dual actions and abuse potential, emphasizing evidence-based screening, individualized treatments, and advocacy for regulation to ensure safety and efficacy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,867
Score d'incertitude au seuil0,545

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,389
Tête enseignante GPT0,630
Écart entre enseignants0,240 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing Education and PracticeMême sujetAlkaloids: synthesis and pharmacologyTravaux en français237 207