Assessment of patients hospitalized in the Clinical Toxicology and Cardiology Department in Lublin due to poisoning with Cannabis derivatives as a voice in the discussion on the legalization of marijuana
Notice bibliographique
Résumé
The article aims to discuss the justification for the legalization of cannabinoids based on the analysis of data from countries where marijuana has been legalized for both medical and recreational use, as well as a retrospective analysis of the medical documentation of patients from the Clinical Toxicology and Cardiology Department and Internal Diseases of the Provincial Specialist Hospital named after Stefan Cardinal Wyszyński in Lublin (years 2020-2024). During the analysis of hospital documentation, a slight upward trend in the number of hospitalizations due to cannabinoid poisoning was observed over the years 2020-2024. In 2024, 54 cases of hospitalization due to poisoning with Cannabis derivatives were recorded, with an average length of hospitalization of 3 days. The vast majority of patients were men (83%) under the age of 26. In 78% of patients, co-occurrence of poisoning with other psychoactive substances was noted, with the most common being alcohol (29 cases), LSD (12 cases), and benzodiazepines (11 cases). 44 patients required consultation with a psychologist or psychiatrist. Suspected suicide attempts were noted in 12 patients. In 38 patients, psychomotor agitation occurred, with pharmacological sedation required in 34 patients. In 22 cases, there was a significant increase in creatine levels, which may indicate an increased risk of rhabdomyolysis. Press analysis showed that the legalization of marijuana does not lead to immediate and significant changes in public health indicators, except for issues related to road safety. Shortly after the legalization of recreational marijuana in some U.S. states and Canada, an increase in consultations with doctors was observed, caused by both acute and chronic effects of cannabinoid poisoning. Due to the short time since marijuana was legalized, research and statistical analyses are still incomplete and often lead to various, contradictory conclusions.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».