Dual Cannabis-Methamphetamine Use Doubles Bipolar Disorder Risk After Psychosis: A 25-Year Inpatient Cohort Study from Iran
Notice bibliographique
Résumé
Abstract Objective This study aimed to estimate transition rates from substance-induced psychosis (SIP) to schizophrenia or bipolar disorder, evaluate the risk associated with dual use of methamphetamine and cannabis, and identify predictors of chronicity among Iranian men. Methods A 25-year retrospective cohort study (1999–2024) was conducted using clinical data from Shafa Hospital, a tertiary psychiatric referral center in Guilan Province, Iran. The study included 258 male inpatients aged ≥17 years with SIP attributed to cannabis and/or methamphetamine use. Patients with a history of schizophrenia or bipolar disorder were excluded. Outcomes were validated using DSM-V criteria, and Kaplan-Meier survival curves and Cox proportional hazards models were employed for analysis. Results Over a median follow-up of 33 months, 37.6% of participants transitioned to schizophrenia (25.2%) or bipolar disorder (12.4%). The median time to conversion was shorter for bipolar disorder (13.4 months) compared to schizophrenia (26.6 months). Dual cannabis-methamphetamine use significantly increased the risk of bipolar disorder (p=0.008). Familial psychiatric history doubled the risk of schizophrenia (HR=4.29, 95% CI: 2.48–7.41) and tripled the risk of bipolar disorder (HR=3.89, 95% CI: 1.87–8.11). Recurrent hospitalizations were associated with increased risks for both schizophrenia (HR=1.34) and bipolar disorder (HR=2.64). The cumulative incidence of schizophrenia rose linearly to 67.6% at 10 years. Conclusion SIP poses a significant risk for the development of schizophrenia or bipolar disorder, particularly in cases involving dual-substance use, younger age, familial psychiatric history, and frequent hospitalizations. The findings underscore the need for targeted surveillance, early intervention, and long-term, risk-stratified care models in regions with rising methamphetamine use to reduce SIP-related morbidity
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».