Effects of psychedelics on opioid use disorder: a scoping review of preclinical studies
Notice bibliographique
Résumé
The current opioid crisis has had an unprecedented public health impact. Approved medications for opioid use disorder (OUD) exist, yet their limitations indicate a need for innovative treatments. Limited preliminary clinical studies suggest specific psychedelics might aid OUD treatment, though most clinical evidence remains observational, with few controlled trials. This review aims to bridge the gap between preclinical findings and potential clinical applications, following PRISMA-ScR guidelines. Searches included MEDLINE, Embase, Scopus, and Web of Science, focusing on preclinical in vivo studies involving opioids and psychedelics in animals, excluding pain studies and those lacking control groups. Forty studies met criteria, covering both classic and non-classic psychedelics. Most studies showed that 18-methoxycoronaridine (18-MC), ibogaine, noribogaine, and ketamine could reduce opioid self-administration, alleviate withdrawal symptoms, and change conditioned place preference. However, seven studies (two on 2,5-dimethoxy-4-methylamphetamine (DOM), three on ibogaine, one on 18-MC, and one on ketamine) showed no improvement over controls. A methodological quality assessment rated most of the studies as having unclear quality. Interestingly, most preclinical studies are limited to iboga derivatives, which were effective, but these agents may have higher cardiovascular risk than other psychedelics under-explored to date. This review strengthens support for translational studies testing psychedelics as potential innovative targets for OUD. It also suggests clinical studies need to include a broader range of agents beyond iboga derivatives but can also explore several ongoing questions in the field, such as the mechanism of action behind the potential therapeutic effect, safety profiles, doses, and frequency of administrations needed.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».