Phytocannabinoïds: Therapeutic potential, mechanism of action, and regulatory challenges
Notice bibliographique
Résumé
Phytocannabinoïds, notably cannabidiol (CBD) and tetrahydrocannabinol (THC), are the primary active compounds in the Cannabis sativa plant. These compounds interact with the endocannabinoid system in humans, which regulates various physiological processes. The scientific exploration of phytocannabinoïds has expanded significantly due to their potential therapeutic effects. Concurrently, regulatory frameworks are evolving to accommodate the increasing medicinal use of these compounds. A comprehensive review of peer-reviewed literature was conducted to evaluate the therapeutic effects, mechanisms of action, and safety profiles of phytocannabinoïds. Regulatory documents and policy papers from multiple countries were analyzed to understand the legal status and regulatory approaches toward phytocannabinoïds. Data sources included PubMed, regulatory agency websites, and international health organization reports. The review highlighted that CBD and THC exhibit significant promise in treating conditions such as epilepsy, chronic pain, multiple sclerosis, and anxiety. CBD is generally well-tolerated with a favorable safety profile, while THC, despite its psychoactive effects, has demonstrated efficacy in pain management and muscle spasticity. Regulatory landscapes vary widely, with countries like Canada and Uruguay fully legalizing cannabis, while others, such as the United States, maintain a complex legal framework with federal restrictions but state-level legalization. This fragmentation poses challenges for researchers and healthcare providers. Phytocannabinoïds present a substantial opportunity for therapeutic advancement, supported by growing scientific evidence. However, the regulatory environment remains inconsistent, necessitating harmonization to facilitate research and clinical application. Future efforts should focus on robust clinical trials to establish definitive efficacy and safety profiles and on developing coherent regulatory policies that balance public health concerns with the therapeutic potential of phytocannabinoïds.
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 | 0,010 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».