GENETIC CONTRIBUTION TO CANNABIS USE AND OPIOID TREATMENT
Notice bibliographique
Résumé
Background: Canada continues to face an opioid epidemic with 5,368 opioid apparent related deaths occurring between January and September of 2021. Methadone Maintenance Treatment (MMT), a form of Medication Assisted Treatment used to treat Opioid Use Disorder (OUD), has been reported to decrease opioid cravings and opioid use, however, individual differences exist in the effective dose of methadone. Further, individuals living with an OUD have higher rates of substance use including cannabis. A genetic component has been suggested to exist for both cannabis use and MMT outcomes, however inconsistent findings have been reported. Methods: Knowledge synthesis and primary genetic association studies were conducted. A protocol was prepared for the planning of a systematic review for Genome-Wide Association Studies (GWASs) of cannabis use. The full systematic review was then conducted, providing an assessment of the literature and a description of studies quality. A GWAS and Polygenic Risk Score (PRS) was then conducted for cannabis use and MMT outcomes, separately, in Europeans only. The top Single Nucleotide Polymorphisms (SNPs) were then analyzed separately by sex and sex interactions were conducted. Results: The systematic review included 6 studies, identifying 96 genetic variants associated with cannabis use. The GWASs for both cannabis use and MMT outcomes did not identify any significant results. A significant PRS was found for regular cannabis use and methadone dose. No sex-specific results were identified. Discussion: This thesis summarised the evidence on the genetics of cannabis use as well as employed GWASs and PRSs to investigate cannabis use and MMT outcomes within a European population. We were able to highlight gaps within the genetic literature of cannabis and MMT outcomes as well as identify areas of interest for future research.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».