MétaCan
Menu
Retour à la cohorte
Enregistrement W4404868053 · doi:10.2147/opth.s501494

Adverse Ocular Impact and Emerging Therapeutic Potential of Cannabis and Cannabinoids: A Narrative Review

2024· review· en· W4404868053 sur OpenAlexaff
Mostafa Bondok, Anne Xuan-Lan Nguyen, Leonardo Landó, Albert Y. Wu

Notice bibliographique

RevueClinical ophthalmology · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueCannabis and Cannabinoid Research
Établissements canadiensUniversity of TorontoUniversity of British Columbia
Organismes subventionnairesNational Eye InstituteResearch to Prevent Blindness
Mots-clésMedicineCannabisNarrative reviewAdverse effectOphthalmologyCannabinoidSynthetic cannabinoidsPsychiatryIntensive care medicinePharmacologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Cannabis is the most used drug worldwide with an estimated 219 million users. This narrative review aims to explore the adverse effects and therapeutic applications of cannabis and cannabinoids on the eye, given its growing clinical and non-clinical uses. The current literature reports several adverse ocular effects of cannabis and cannabinoids, including eyelid tremor, ptosis, reduced corneal endothelial cell density, dry eyes, red eyes, and neuro-retinal dysfunction. Cannabinoids may transiently impair night vision, depth perception, binocular and monocular contrast sensitivity, and dynamic visual acuity. Cannabinoids are not currently considered a first-line treatment option for any ocular conditions. Δ-9-tetrahydrocannabinol been shown to result in short-term intraocular pressure reduction, but insufficient evidence to support its use in treating glaucoma exists. Potential therapeutic applications of cannabinoids include their use as a second-line agent for treatment-refractory blepharospasm, for dry eye disease given corneal anti-inflammatory properties, and for suppression of pendular nystagmus in individuals with multiple sclerosis, which all necessitate further research for informed clinical practices.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,075
Tête enseignante GPT0,495
Écart entre enseignants0,420 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical ophthalmologyMême sujetCannabis and Cannabinoid ResearchTravaux en français237 207