Oral Health in the Age of Cannabis: Pharmacology, Implications and Dental Management.
Notice bibliographique
Résumé
INTRODUCTION: Cannabis continues to garner attention due to increasing legalization globally and its potential effects on public health. Consequently, dental practitioners should be familiar with its impacts on oral health and how to properly manage these impacts in the clinical setting. This review explores the connection between cannabis use and oral health, providing insights into national usage trends, cannabis pharmacology, potential oral health impacts and important considerations for patient management. METHODS: We compiled data on self-reported cannabis use from the Canadian Cannabis Survey (2017-2024) and analyzed changes in cannabis use over time with a 2-tailed z-test. We performed a scoping literature review using multiple databases to examine cannabis pharmacology, dentally relevant drug interactions, oral health effects and dental management strategies. RESULTS: Following legalization in 2018, cannabis use in Canada increased by 3.8 percentage points (p < 0.001). Although cannabis may have some dentally relevant drug interactions, the published data are not conclusive, and further investigation is required. Cannabis may be associated with xerostomia, may promote caries development, may negatively affect the periodontium and may increase the incidence of oral lesions. We used this information to develop a framework to guide clinicians in assessing and treating patients with a history of cannabis use. CONCLUSION: The survey findings suggest that cannabis use is on the rise in Canada, with implications for the provision of dental care. Cannabis may alter the effects of drugs used in the dental setting and may be associated with an increased incidence of oral health issues. The dental management strategies suggested here are intended as an informative reference for clinicians. Additional research is needed to further elucidate the long-term effects of cannabis on oral health, its drug interactions and its potential medicinal applications in dentistry.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».