MétaCan
Menu
← Back to cohort
Record W4404562810 · doi:10.7202/1114412ar

L’impact de la consommation du cannabis sur les symptômes psychiatriques : une étude transversale portant sur les troubles mentaux graves

2024· article· fr· W4404562810 on OpenAlexaffvenue
Hind Ziady, Mélissa Beaudoin, Elischa Augustin, Eugénie Samson-Daoust, Kingsada Phraxayavong, Alexandre Dumais

Bibliographic record

VenueSanté mentale au Québec · 2024
Typearticle
Languagefr
FieldMedicine
TopicCannabis and Cannabinoid Research
Canadian institutionsInstitut national de psychiatrie légale Philippe-PinelUniversité de MontréalInstitut universitaire en santé mentale de MontréalMcGill UniversityInstitut Universitaire en Santé Mentale de Québec
Fundersnot available
KeywordsHumanitiesMedicinePsychologyPhilosophy

Abstract

fetched live from OpenAlex

Objectif Le cannabis est la drogue la plus consommée au sein de la population générale, mais sa prévalence d’usage reste plus élevée chez les personnes souffrant de troubles mentaux graves. De plus, les données actuelles démontrent les effets délétères du cannabis sur la symptomatologie de ces maladies. L’étude transversale ci-présente vise donc à évaluer l’impact de la consommation du cannabis sur la symptomatologie psychiatrique des personnes avec un trouble mental grave en contrôlant l’effet des variables confondantes de l’âge, du sexe ainsi que de la consommation concomitante d’alcool ou de stimulants. Méthode Des analyses secondaires ont été effectuées sur les données de 72 participants provenant d’une étude antérieure. Leurs consommations de cannabis, d’alcool et de stimulants ont respectivement été mesurées à l’aide du Cannabis Use Problems Identification Test (CUPIT), du Alcohol Use Disorders Identification Test (AUDIT) et de la question sur la fréquence de consommation du Structured Clinical Interview for DSM-5 – Clinician Version pour les troubles liés à l’usage des stimulants (SCID-5-CV-TLUS). En lien avec la symptomatologie psychiatrique, celle-ci a été mesurée à l’aide du modèle à 5 sous-échelles du Positive and Negative Syndrome Scale (PANSS). Résultats Différents modèles linéaires explicatifs des symptômes du PANSS ont été réalisés à l’aide d’une combinaison de variables indépendantes, soit l’âge, le sexe, le CUPIT, l’AUDIT et la question sur la fréquence de consommation du SCID-5-CV-TLUS. Le modèle explicatif des symptômes d’excitation est statistiquement significatif ( F = 4,629, p = 0,001) et il permet de prédire 20,4 % de la variance de ces symptômes (R 2 ajusté = 0,204). Ici, le CUPIT est la variable qui influence le plus le modèle ( ß = 0,381 ; p < 0,001). Le modèle explicatif des symptômes positifs est également statistiquement significatif ( F = 3,631, p = 0,006) et il permet de prédire 15,6 % de la variance de ces symptômes (R 2 ajusté = 0,156). Or, le CUPIT n’influencerait pas de manière statistiquement significative ce modèle ( ß = 0,125 ; p = 0,272), mais la question sur la fréquence de consommation du SCID-5-CV-TLUS l’influencerait ( ß = 0,399 ; p = 0,001). De plus, la question sur la fréquence de consommation du SCID-5-CV-TLUS influence également le modèle explicatif des symptômes d’excitation ( ß = 0,273 ; p = 0,022). Conclusion Bien que d’autres études, idéalement longitudinales, soient nécessaires pour confirmer l’impact péjoratif du cannabis sur les symptômes d’excitation, l’étude ci-présente réitère l’importance de dépister et de prendre en charge les habitudes de consommation de drogues, particulièrement le cannabis, chez les personnes atteintes de troubles mentaux graves.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.003
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.971
Threshold uncertainty score0.058

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.003
Meta-epidemiology (narrow)0.0000.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.001
Science and technology studies0.0010.000
Scholarly communication0.0010.000
Open science0.0000.001
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0030.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.014
GPT teacher head0.308
Teacher spread0.295 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2024
Admission routes2
Has abstractyes

Explore more

Same venueSanté mentale au Québec→Same topicCannabis and Cannabinoid Research→French-language works237,207→