Cannabidiol as a Harm Reduction Strategy for People Who Use Drugs: A Rapid Review
Notice bibliographique
Résumé
ObjectiveThe drug poisoning crisis throughout North America necessitates novel harm reduction approaches. Emerging evidence suggests that cannabidiol (CBD) may have some utility as a harm reduction modality for those with problematic substance use. This rapid review aimed to synthesize available evidence on CBD as a potential harm reduction tool for people who use drugs while providing clinical and research insights.MethodA systematic search in EMBASE, MEDLINE, CENTRAL, and CINAHL was completed in July 2022. For inclusion, studies had to meet the following criteria: (1) drawn from an adult population of people who use drugs; (2) investigates CBD as an intervention for problematic substance use or harm reduction–related outcomes; (3) be published after the year 2000 and in English; and (4) be primary research or a review article. A narrative synthesis was used to group outcomes relevant to harm reduction and provide clinical and research insights.ResultsWe screened 3,134 records, of which 27 studies (5 randomized trials) were included. The evidence remains limited, but available studies support the potential utility of CBD to reduce drug-induced craving and anxiety in opioid use disorder. There were low-quality studies suggesting that CBD may improve mood and general well-being of people who use drugs. Evidence suggests that CBD monotherapy may not be an adequate harm reduction strategy for problematic substance use but rather an adjunct to the standard of care.ConclusionLow-quality evidence suggests that CBD may reduce drug cravings and other addiction-related symptoms and that CBD may have utility as an adjunct harm reduction strategy for people who use drugs. However, there is a significant need for more research that accurately reflects CBD dosing and administration regimens used in a real-world context.
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 | 0,006 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,013 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».