MétaCan
Menu
← Retour à la cohorte
Enregistrement W4404562810 · doi:10.7202/1114412ar

L’impact de la consommation du cannabis sur les symptômes psychiatriques : une étude transversale portant sur les troubles mentaux graves

2024· article· fr· W4404562810 sur OpenAlexaffvenue
Hind Ziady, Mélissa Beaudoin, Elischa Augustin, Eugénie Samson-Daoust, Kingsada Phraxayavong, Alexandre Dumais

Notice bibliographique

RevueSanté mentale au Québec · 2024
Typearticle
Languefr
DomaineMedicine
ThématiqueCannabis and Cannabinoid Research
Établissements canadiensInstitut national de psychiatrie légale Philippe-PinelUniversité de MontréalInstitut universitaire en santé mentale de MontréalMcGill UniversityInstitut Universitaire en Santé Mentale de Québec
Organismes subventionnairesnon disponible
Mots-clésHumanitiesMedicinePsychologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Objectif Le cannabis est la drogue la plus consommée au sein de la population générale, mais sa prévalence d’usage reste plus élevée chez les personnes souffrant de troubles mentaux graves. De plus, les données actuelles démontrent les effets délétères du cannabis sur la symptomatologie de ces maladies. L’étude transversale ci-présente vise donc à évaluer l’impact de la consommation du cannabis sur la symptomatologie psychiatrique des personnes avec un trouble mental grave en contrôlant l’effet des variables confondantes de l’âge, du sexe ainsi que de la consommation concomitante d’alcool ou de stimulants. Méthode Des analyses secondaires ont été effectuées sur les données de 72 participants provenant d’une étude antérieure. Leurs consommations de cannabis, d’alcool et de stimulants ont respectivement été mesurées à l’aide du Cannabis Use Problems Identification Test (CUPIT), du Alcohol Use Disorders Identification Test (AUDIT) et de la question sur la fréquence de consommation du Structured Clinical Interview for DSM-5 – Clinician Version pour les troubles liés à l’usage des stimulants (SCID-5-CV-TLUS). En lien avec la symptomatologie psychiatrique, celle-ci a été mesurée à l’aide du modèle à 5 sous-échelles du Positive and Negative Syndrome Scale (PANSS). Résultats Différents modèles linéaires explicatifs des symptômes du PANSS ont été réalisés à l’aide d’une combinaison de variables indépendantes, soit l’âge, le sexe, le CUPIT, l’AUDIT et la question sur la fréquence de consommation du SCID-5-CV-TLUS. Le modèle explicatif des symptômes d’excitation est statistiquement significatif ( F = 4,629, p = 0,001) et il permet de prédire 20,4 % de la variance de ces symptômes (R 2 ajusté = 0,204). Ici, le CUPIT est la variable qui influence le plus le modèle ( ß = 0,381 ; p < 0,001). Le modèle explicatif des symptômes positifs est également statistiquement significatif ( F = 3,631, p = 0,006) et il permet de prédire 15,6 % de la variance de ces symptômes (R 2 ajusté = 0,156). Or, le CUPIT n’influencerait pas de manière statistiquement significative ce modèle ( ß = 0,125 ; p = 0,272), mais la question sur la fréquence de consommation du SCID-5-CV-TLUS l’influencerait ( ß = 0,399 ; p = 0,001). De plus, la question sur la fréquence de consommation du SCID-5-CV-TLUS influence également le modèle explicatif des symptômes d’excitation ( ß = 0,273 ; p = 0,022). Conclusion Bien que d’autres études, idéalement longitudinales, soient nécessaires pour confirmer l’impact péjoratif du cannabis sur les symptômes d’excitation, l’étude ci-présente réitère l’importance de dépister et de prendre en charge les habitudes de consommation de drogues, particulièrement le cannabis, chez les personnes atteintes de troubles mentaux graves.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,971
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,014
Tête enseignante GPT0,308
Écart entre enseignants0,295 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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'admission2
Résumé présentoui

Explorer davantage

Même revueSanté mentale au Québec→Même sujetCannabis and Cannabinoid Research→Travaux en français237 207→