Effects of cannabis dependence on sleep quality and cognitive function: A comparative study in moroccan adolescent addicts and non-addicts
Notice bibliographique
Résumé
Cannabis use during adolescence is a growing public health concern, particularly due to its potential effects on brain development, cognitive function, and sleep quality. While the prevalence of cannabis use among Moroccan youth is high, scientific studies exploring its neuropsychological consequences in this population remain limited. This study aimed to examine and compare cognitive performance and sleep quality between cannabis-addicted and non-addicted Moroccan adolescents, using validated assessment tools. A cross-sectional comparative study was conducted among 200 adolescents aged 14 to 24, recruited from the Guéliz Addiction Center in Marrakech. Participants were classified into addicted and non-addicted groups based on The Diagnostic and Statistical Manual of Mental Disorders, Fifth Edition (DSM-5) criteria. Cognitive performance was assessed using the Montreal Cognitive Assessment (MoCA), and sleep quality was evaluated using the Pittsburgh Sleep Quality Index (PSQI). Statistical analyses included Mann-Whitney U tests, Spearman correlations, and Principal Component Analysis (PCA). Addicted adolescents showed significantly lower MoCA scores across several domains, including memory, attention, and language (p < 0.01). They also reported significantly poorer sleep quality, with higher scores in PSQI components such as sleep latency, nighttime disturbances, and use of sleep medications (p < 0.01). PCA revealed distinct latent dimensions associated with both cognitive and sleep impairments, with memory and daytime dysfunction emerging as major contributors. A moderate to strong correlation was found between addiction diagnosis, cognitive decline, and sleep disruption. Cannabis addiction in Moroccan adolescents is associated with significant impairments in cognition and sleep. These findings highlight the need for integrated assessment tools and culturally tailored interventions to address cannabis use and its consequences in this vulnerable population.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».