Changes in peripheral endocannabinoid levels in substance use disorders: a review of clinical evidence
Notice bibliographique
Résumé
Background: The endocannabinoid (eCB) system is a key modulator of stress and reward and is impacted by alcohol and drug use. Recently, the eCB system has been highlighted as a potential novel target in the treatment of substance use disorders (SUDs).Objectives: Understanding how chronic substance use impacts the function of the eCB system can provide a mechanistic rationale for targeting this system in the treatment of SUDs.Methods: A comprehensive review of studies assessing concentrations of eCB ligands N-arachidonoyl ethanolamine (anandamide; AEA) and 2-arachidonoylglycerol (2-AG) in individuals with a SUD diagnosis was performed using all EBSCO databases, PubMed, and Google Scholar. Methods and results related to eCB concentrations, diagnosis, and other factors (e.g. treatment status) were extracted from papers written in English and published in peer-reviewed journals before May 22, 2024.Results: Fifteen studies were reviewed; three in alcohol use disorder (AUD), three in cannabis use disorder (CUD), four in cocaine use disorder, one in opioid use disorder (OUD) and four across SUDs. Generally, AEA concentrations were usually, but not always, increased in AUD, CUD, OUD, and cocaine use disorder. 2-AG concentrations were measured less often but were increased in CUD and decreased in cocaine use disorder.Conclusions: Studies generally support the hypothesis that chronic substance use can impact eCB levels, most often with increased AEA and decreased (or not quantified) 2-AG concentrations, though results were often conflicting. Variability in methodology and study design may limit generalizability across studies.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».