Cannabis and Cannabinoids in Mood and Anxiety Disorders: Impact on Illness Onset and Course, and Assessment of Therapeutic Potential
Notice bibliographique
Résumé
Background and Objectives: Cannabis use is common in people with and mood and anxiety disorders (ADs), and rates of problematic use are higher than in the general population. Given recent policy changes in favor of cannabis legalization, it is important to understand how cannabis and cannabinoids may impact people with these disorders. We aimed to assess the effects of cannabis on the onset and course of depression, bipolar disorder, ADs, and post-traumatic stress disorder (PTSD), and also to explore the therapeutic potential of cannabis and cannabinoids for these disorders. Methods: A systematic review of the literature was completed. The PubMed® database from January 1990 to May 2018 was searched. We included longitudinal cohort studies, and also all studies using cannabis or a cannabinoid as an active intervention, regardless of the study design. Results: Forty-seven studies were included: 32 reported on illness onset, nine on illness course, and six on cannabinoid therapeutics. Cohort studies varied significantly in design and quality. The literature suggests that cannabis use is linked to the onset and poorer clinical course in bipolar disorder and PTSD, but this finding is not as clear in depression and anxiety disorders (ADs). There have been few high-quality studies of cannabinoid pharmaceuticals in clinical settings. Conclusions and Scientific Significance: , with permission from American Academy of Addiction Psychiatry. Copyright © 2019.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».