Associations of cannabis use, tobacco use, and incident anxiety, mood, and psychotic disorders: a systematic review and meta-analysis
Notice bibliographique
Résumé
Abstract Background Observational studies consistently report associations between tobacco use, cannabis use and mental illness. However, the extent to which this association reflects an increased risk of new-onset mental illness is unclear and may be biased by unmeasured confounding. Methods A systematic review and meta-analysis (CRD42021243903). Electronic databases were searched until November 2022. Longitudinal studies in general population samples assessing tobacco and/or cannabis use and reporting the association (e.g. risk ratio [RR]) with incident anxiety, mood, or psychotic disorders were included. Estimates were combined using random-effects meta-analyses. Bias was explored using a modified Newcastle–Ottawa Scale, confounder matrix, E -values, and Doi plots. Results Seventy-five studies were included. Tobacco use was associated with mood disorders ( K = 43; RR: 1.39, 95% confidence interval [CI] 1.30–1.47), but not anxiety disorders ( K = 7; RR: 1.21, 95% CI 0.87–1.68) and evidence for psychotic disorders was influenced by treatment of outliers ( K = 4, RR: 3.45, 95% CI 2.63–4.53; K = 5, RR: 2.06, 95% CI 0.98–4.29). Cannabis use was associated with psychotic disorders ( K = 4; RR: 3.19, 95% CI 2.07–4.90), but not mood ( K = 7; RR: 1.31, 95% CI 0.92–1.86) or anxiety disorders ( K = 7; RR: 1.10, 95% CI 0.99–1.22). Confounder matrices and E -values suggested potential overestimation of effects. Only 27% of studies were rated as high quality. Conclusions Both substances were associated with psychotic disorders and tobacco use was associated with mood disorders. There was no clear evidence of an association between cannabis use and mood or anxiety disorders. Limited high-quality studies underscore the need for future research using robust causal inference approaches (e.g. evidence triangulation).
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,012 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».