Cannabinoids for Medical Purposes in Children: A Living Systematic Review
Notice bibliographique
Résumé
AIM: We developed a living systematic review (LSR) that will continuously map the safety and reported benefit data related to cannabinoid use for medical purposes in children. METHODS: MEDLINE, Embase, PsycInfo, and the Cochrane Library were searched from inception to April 2023. Studies involving at least one child < 18 years who was administered plant-derived or pharmaceutical cannabinoids as an intervention or treatment for medical conditions were included. RESULTS: Of 37 189 identified citations, 276 studies were included: 84 interventional, 131 observational, 54 surveys, and 7 qualitative studies. Among interventional and observational studies, common indications for cannabinoids in children were refractory epilepsy (n = 146 studies, 188 726 participants), cancer and cancer symptoms (n = 30 studies, 208 753 participants), and autism spectrum disorder (n = 18 studies, 1285 participants). Common cannabinoids identified in interventional studies were purified cannabidiol (CBD) (78.6%, n = 66 studies, 5235 participants) with dose range of 2-50 mg/kg/day, tetrahydrocannabinol (6%, n = 5 studies, 148 participants) with dose range of 2.5-10 mg/day (max dose of tetrahydrocannabinol in nabiximols 32.4 mg) and nabilone (6%, n = 5 studies, 267 participants) with dose range of 0.5-2 mg/day. In randomised controlled trials, purified cannabidiol was reported to reduce seizure frequency ranging between 30% and 50%. Common adverse events (> 20% studies) in studies enrolling children were somnolence, diarrhoea, vomiting, and decreased appetite. CONCLUSION: These findings will continue to be updated to inform practice and reveal knowledge gaps for future research.
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 | 0,003 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».