MétaCan
Menu
Retour à la cohorte
Enregistrement W7009504620

The Effect of Frequent Cannabis Use on the Main Components of Executive Functioning

2022· other· en· W7009504620 sur OpenAlexaboutno aff

Notice bibliographique

RevueYork University Digital Library (York University) · 2022
Typeother
Langueen
DomaineSocial Sciences
ThématiqueEducation and Public Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCannabisCognitive flexibilityEffects of cannabisCognitionSet (abstract data type)LegalizationFlexibility (engineering)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The legalization of recreational cannabis use in Canada has raised many questions regarding its immediate and sustained effect on performance of various critical daily tasks (e.g., driving). To investigate the sustained effect, we created an online battery of tasks that assess the main components of executive functioning that are involved in all aspects of daily activities. The performance of healthy, young frequent cannabis users, infrequent users, and non-users was compared. Selective visual attention, response inhibition, visuospatial working memory, and cognitive flexibility and set shifting ability was analyzed. No meaningful differences in performance were found on any of the measures of executive functioning components between frequent users, infrequent users, and non-users. Additionally, secondary analyses in frequent users on the effect of sex, last occasion of cannabis use, age of cannabis-use onset, length of cannabis use (years), and reason for cannabis use (medical or recreational) on executive functioning performance are also reported.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,177
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,204
Écart entre enseignants0,186 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueYork University Digital Library (York University)Même sujetEducation and Public PolicyTravaux en français237 207