L’impact du cannabis sur la symptomatologie psychiatrique des individus avec troubles mentaux graves
Bibliographic record
Abstract
D’après l’Organisation mondiale de la Santé, le cannabis est la drogue la plus consommée avec une prévalence d’usage qui s’élève à 219 millions de personnes à travers le globe, soit 4% de la population mondiale. Au Canada, la prévalence de l’usage du cannabis chez les personnes souffrant d’un trouble mental grave, c’est-à-dire un trouble psychotique, un trouble dépressif ou un trouble bipolaire, est nettement supérieure à celle dans la population générale. Or, la littérature scientifique actuelle associe la consommation du cannabis dans ce groupe de population spécifique à la détérioration de plusieurs symptômes psychiatriques et, conséquemment, à une aggravation du trouble. Et, dans un contexte de légalisation du cannabis et devant la recrudescence de sa consommation, la consommation du cannabis serait une cause non négligeable de morbidité en trouble mental grave, en plus d’entraîner un coût sociétal élevé dans le pays. Ainsi, ce projet de recherche vise à tester l’hypothèse selon laquelle la consommation passée du cannabis influence négativement les symptômes psychiatriques des personnes souffrant de troubles mentaux graves, tout en explorant les variations potentielles liées aux variables confondantes de l’âge, du sexe et de la consommation concomitante d’alcool et de stimulants. Les résultats de cette analyse secondaire suggèrent un effet délétère du cannabis sur les symptômes du domaine d’excitation, qui englobent l’excitation, l’hostilité, le manque de coopération et le faible contrôle pulsionnel en trouble mental grave. Ce résultat cliniquement pertinent réitère donc l’importance du dépistage et de la prise en charge de la consommation du cannabis dans la gestion des troubles mentaux graves. Certes, d’autres études, idéalement longitudinales, sont nécessaires pour confirmer la relation causale entre l’usage du cannabis et l’aggravation des 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 imitationNot 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.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".