The Cannabinoid System as a Potential Novel Target for Alcohol‐Associated Liver Disease: A Propensity‐Matched Cohort Study
Notice bibliographique
Résumé
BACKGROUND: Alcohol-associated liver disease (ALD) is a leading cause of liver-related morbidity and mortality, yet effective therapeutic options remain limited. Preclinical data suggest that modulation of the hepatic endocannabinoid system, particularly via cannabidiol (CBD), may reduce alcohol-induced liver injury. Due to CBD's limited clinical use, we sought to evaluate the association between cannabis use and ALD risk among patients with alcohol use disorder (AUD). METHODS: Using the TriNetX US Collaborative Network, we identified adult patients with AUD between 2010 and 2022. Three cohorts were constructed: cannabis use disorder (CUD), cannabis users without cannabis abuse or dependence (CU) and non-cannabis users (non-CU). Outcomes included ALD, hepatic decompensation and composite all-cause mortality over 3 years. Incidence and hazard ratios were calculated using Kaplan-Meier analysis and Cox regression. RESULTS: After matching, 33 114 patients were included in each of the CUD and non-CU groups. Compared to non-CU, CUD was associated with a lower risk of ALD (HR 0.60, 95% CI 0.53-0.67; p < 0.001), hepatic decompensation (HR 0.83, 95% CI 0.73-0.95; p =0.005) and all-cause mortality (HR 0.86, 95% CI 0.80-0.94; p < 0.001) among individuals with AUD. Although CU was associated with lower risks of ALD, its risks of hepatic decompensation and all-cause mortality were similar to those of the non-CU cohort with AUD. CONCLUSION: In this propensity-matched cohort study of patients with AUD, cannabis use was associated with a reduced risk of ALD, with the greatest risk reduction seen in patients with CUD compared to CU and non-CU. Our findings suggest that modulation of cannabinoid receptors may offer a new target for the development of pharmacological therapies for ALD.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».