Fronteras en Psiquiatría

Ago 11, 2021
admin

Introducción

Las nuevas sustancias psicoactivas (NPS) se refieren a nuevos compuestos sintéticos o derivados de sustancias de abuso más conocidas que han surgido en las últimas dos décadas (1). Algunos ejemplos son los derivados del cannabis, las feniletilaminas sustituidas o las catinonas (sales de baño). El término NPS puede incluir sustancias utilizadas por otras culturas, pero nuevas para los consumidores occidentales, como el khat (el progenitor de las sales de baño), el kratom o la Salvia. El creciente uso de las NPS está relacionado con el aumento de las redes sociales como medio para discutir el uso de las NPS y distribuir el producto real (2).

El uso de las NPS es una preocupación de salud pública. El uso de anfetaminas sustituidas se asocia con la muerte súbita cardíaca y la insuficiencia renal (3). El uso de sales de baño se asocia con psicosis aguda y persistente (3). El consumo de derivados de las triptaminas se asocia con psicosis y deterioro psiquiátrico a largo plazo, incluyendo ansiedad y paranoia (4). Los autores no pudieron encontrar ningún estudio en la literatura que cuantificara el impacto de las nuevas sustancias psicoactivas en términos de años de vida ajustados a la enfermedad o de impacto monetario.

Los análisis químicos de las nuevas sustancias psicoactivas entregadas voluntariamente por los usuarios sugieren que las nuevas sustancias psicoactivas se consumen frecuentemente con otras sustancias y no de forma aislada (5). Una combinación de sustancias puede tener menos efectos secundarios que cualquier sustancia individual. El término candyflipping se refiere a la combinación de LSD y MDMA (éxtasis) (6). Esta combinación se describió por primera vez a principios de la década de 1980, unos años después de que la MDMA estuviera más disponible (7). El Candyflipping parece aumentar la potencia y la duración de los efectos similares a los de la MDMA, al tiempo que disminuye la posibilidad de sufrir una sobredosis de MDMA. También se sabe que la MDMA se combina con otras anfetaminas, alcohol y cannabinoides sintéticos (8). Los informes sobre el uso de polisustancias también pueden reflejar la contaminación durante la fabricación y difusión clandestina.

Las redes sociales han surgido como fuentes informativas de datos para el seguimiento del comportamiento en la población general. Los adolescentes y los adultos jóvenes, los consumidores de NPS más descritos (3, 9), se comunican con frecuencia de forma franca en línea. Todavía se está estableciendo si la calidad de los datos que permiten los medios sociales es similar a la de los medios más tradicionales de vigilancia sindrómica. Se pueden inferir dosis creíbles de dextrometorfano a partir de los comentarios de YouTube (10). Las estimaciones de la distribución geográfica del uso indebido de opiáceos en Estados Unidos a partir de Twitter coinciden notablemente con las de la Encuesta Nacional sobre Uso de Drogas y Salud (11). El lenguaje en Twitter se correlaciona con la distribución geográfica de las enfermedades cardíacas (12).

Los medios tradicionales de vigilancia sindrómica son difíciles de aplicar a la epidemiología de nuevas sustancias psicoactivas. Las encuestas nacionales, como la Encuesta Nacional sobre el Uso de Drogas y la Salud, se realizan una vez al año e implican entrevistas en persona. Los análisis de las llamadas a los centros de control de intoxicaciones o los encuentros con los proveedores de atención médica proporcionan una imagen sesgada de los patrones de uso de las NPS.

Nuestro enfoque tenía dos objetivos generales:

1. Demostrar que los datos relativos al uso de polisustancias pueden extraerse de las publicaciones de los usuarios en línea

2. Demostrar que a partir de estos datos podemos inferir combinaciones de sustancias tanto nuevas como conocidas.

Inferir combinaciones conocidas de sustancias reforzará la credibilidad de las publicaciones en línea como fuente de este tipo de datos. Nuestro enfoque fue utilizar técnicas de procesamiento del lenguaje natural y Big Data para analizar Lycaeum. Lycaeum es un sitio web y un foro de Internet dedicado a promover información sobre sustancias psicoactivas (13).

Materiales y métodos

2.1. Descripción

Escribimos un software en el lenguaje de programación Python (14) para extraer los posts de los usuarios de Lycaeum, identificar nuevas sustancias psicoactivas y analizar el contenido de los posts. Los mensajes consisten en texto no estructurado, también llamado texto libre, similar a la sección de «Comentarios» después de los artículos en línea en los sitios web del New York Times o del Financial Times. Sólo se incluyeron los mensajes públicos para el análisis. Omitimos los mensajes marcados como eliminados o marcados por el moderador.

2.2. Adquisición de posts de usuarios

Desarrollamos un raspador web con el paquete Python scrapy (15) para extraer todos los posts accesibles (n = 9.289) desde el inicio de Lycaeum en 1996 hasta diciembre de 2016. Hemos lematizado los posts y eliminado las palabras de parada utilizando nltk, el Python Natural Language Toolkit (16). La lematización se refiere a la conversión de todas las variantes léxicas y semánticas de una palabra a una forma base. Se lematiza, por ejemplo, reading, reads y reader to read. La lematización es una forma de pasar del texto real no estructurado a una representación manejable de la semántica subyacente. La eliminación de las palabras clave consiste en filtrar palabras como «el» o «a», que aparecen con frecuencia pero añaden poca información al texto. La eliminación de las palabras clave es un método común para que la frecuencia de las palabras se aproxime más a la prevalencia relativa de los conceptos en un texto.

2.3. Identificación de sustancias Identificación de sustancias

Utilizamos un proceso de tres pasos para identificar las sustancias. Utilizamos nltk para identificar todos los sustantivos antes de la lematización. Los autores MC y AM curaron individualmente esta lista para identificar los sustantivos que probablemente se referían sólo a las drogas. Sólo se utilizaron para el análisis posterior los sustantivos que fueron identificados por AM y MC como probablemente relacionados sólo con drogas. El autor DY cruzó esta lista con Wikipedia, PubChem y DrugBank para proporcionar la ortografía estándar y una lista de sinónimos para cada sustancia potencial. Esta referencia cruzada, por ejemplo, asignó xanny, una variante de Xanax a alprazolam. Los autores DY y MC anotaron cada fármaco en función de su clase. Se consideraron las siguientes clases: sedante-hipnótico, alucinógeno, estimulante, nootrópico, psiquiátrico, anticolinérgico, analgésico, antipirético, antiemético, antihipertensivo, cannabinoide o contaminante.

2.4. Cálculo de la correlación

Para identificar los patrones de co-menciones de sustancias, creamos una matriz fármaco-puesto, de tal manera que la entrada ij de esta matriz es 1 si el fármaco i se menciona en el puesto j, de lo contrario -1. A continuación, calculamos la correlación entre los patrones de mención de todos los pares de drogas en el corpus de Lycaeum. Calculamos la correlación entre dos fármacos cualesquiera, a y b, como el producto interno de las filas correspondientes de la matriz fármaco-puesto, normalizado por el número de puestos n, ra,b=a→⋅b→/n. Expresado de otra manera, tratamos cada fármaco como un vector multidimensional. Cada dimensión corresponde a un puesto. La correlación entre dos drogas cualesquiera sobre los puestos es el coseno del ángulo formado entre los dos vectores correspondientes. La ecuación presentada anteriormente calcula el coseno de ese ángulo. Esta ecuación está adaptada de la Ref. (17). Obtuvimos un umbral de significación estadística para la correlación entre la droga a y la droga b, ra,b, barajando aleatoriamente la matriz droga-puesto 10.000 veces y recalculando todas las correlaciones de pares de drogas para obtener una función de distribución de probabilidad empírica para ra,b.

Resultados

Las 20 sustancias más mencionadas incluían alucinógenos comunes, estimulantes, sedantes-hipnóticos, así como, curiosamente, el sonido (Figura 1). El eje de abscisas de la Figura 1 muestra el número de mensajes que mencionan la sustancia al menos una vez. En los párrafos siguientes, analizamos en detalle algunas de estas sustancias, ya que pueden resultar desconocidas para el lector.

FIGURA 1
www.frontiersin.org

Figura 1. Las 20 sustancias más mencionadas. El eje x indica el número de mensajes en los que se mencionó la sustancia al menos una vez. MDMA, 3,4-metilendioximetanfetamina, también conocida como éxtasis; DMT, N,N-dimetiltriptamina; DXM, dextrometorfano; LSA, amida de ácido lisérgico, también conocida como ergina.

Amalgamamos las frases binaural beats, binaural sound y binaural music en el token sound. Todas ellas se refieren a la presentación a cada oído de ondas sinusoidales de tono puro que se diferencian únicamente por la frecuencia. Los mensajes enviados a Lycaeum describen con frecuencia la escucha de ritmos binaurales mientras se utilizan sustancias para mejorar la experiencia. El sonido binaural puede mejorar la concentración en una tarea en comparación con el silencio (18). No se ha demostrado que altere la excitación emocional (19). Los autores no pudieron encontrar ningún estudio que investigara la combinación del sonido binaural con alguna sustancia psicoactiva, a pesar de su prevalencia en nuestro conjunto de datos. Excluimos las menciones a los ritmos binaurales de los análisis posteriores, ya que este estudio se centraba en las combinaciones de drogas. No está claro por qué los mensajes mencionaron estos sonidos con tanta frecuencia. Un análisis detallado del contexto en el que se mencionaron los latidos binaurales estaba fuera del alcance de este estudio.

El LSD (dietil amida lisérgica) es un alucinógeno canónico (18). La Salvia, es decir, la Salvia divinorum, se refiere a una planta psicoactiva de Oaxaca, México, rica en salivinorina A, un agonista de los receptores opioides κ (20).

El diazepam es un sedante-hipnótico de benzodiazepina que se vende en los Estados Unidos con el nombre comercial de Valium. La ingesta de diazepam junto con un alucinógeno puede mitigar la ansiedad, la disforia o la aceleración del ritmo cardíaco asociados a algunos alucinógenos. La ingestión conjunta de un sedante-hipnótico y un alucinógeno puede potenciar el efecto deseado del alucinógeno (21). La administración de benzodiazepinas forma parte del tratamiento inicial de las sobredosis sintomáticas de alucinógenos (22). El etanol y la cafeína son sustancias psicoactivas muy consumidas. El MDMA (3,4-metilendioximetanfetamina; también llamado éxtasis) es el entactógeno-empatógeno canónico, una sustancia que aumenta los sentimientos de cercanía, vinculación, empatía y atracción sexual (23). La DMT (N,N-dimetiltriptamina) es un derivado alucinógeno de la triptamina. Se considera el principal compuesto psicoactivo de las plantas alucinógenas como la Mimosa tenuiflora (24) y la melange ayahuasca (25). La anfetamina (también llamada speed) es un estimulante reconocido desde hace tiempo. La psilocibina es otro alucinógeno canónico; es el ingrediente activo de las «setas mágicas» (26).

La atropina, la hioscina (también llamada escopolamina) y la hiosciamina son componentes de la hierba jimson, un soporífero y alucinógeno. La LSA (amida del ácido lisérgico; también llamada ergina) es un cornezuelo relacionado con el LSD y el alucinógeno más investigado de la gloria de la mañana (27). Surgió como alternativa al LSD; los artículos de divulgación sugieren que el LSA es también un punto de comparación al describir los efectos de la metilona (28).

El cannabis es un sedante de consumo habitual, aunque algunas cepas pueden tener efectos alucinógenos o estimulantes (29). El término cannabinoide se refiere probablemente a los cannabinoides sintéticos. Los cannabinoides sintéticos son agonistas de los receptores cannabinoides, así como de los receptores dopaminérgicos, sertoninérgicos y adrenérgicos; los cannabinoides sintéticos pueden ser más propensos a precipitar la psicosis que el cannabis (30).

Para comprender mejor cómo describen los puestos la combinación de sustancias, calculamos la correlación en todos los documentos para todos los pares de sustancias. La figura 2 muestra todas las combinaciones cuyas correlaciones son estadísticamente significativas. Utilizamos el bootstrapping (véase Materiales y Métodos) para determinar el umbral de las correlaciones estadísticamente significativas.

FIGURA 2
www.frontiersin.org

Figura 2. Mapa de calor del coeficiente de correlación de los pares de co-menciones de sustancias cuya correlación fue estadísticamente significativa. Cada recuadro pequeño representa un par de sustancias. Los nombres de los fármacos en los ejes X e Y especifican el par asociado a cada recuadro. El color del recuadro pequeño indica la correlación, según la escala de la parte inferior derecha.

La figura 2 es un mapa de calor agrupado, una representación gráfica de la matriz droga-puesto. El color de la casilla ij indica la correlación entre el fármaco i y el fármaco j. Los colores más cálidos indican correlaciones más cercanas a 1. Los colores más fríos indican correlaciones más cercanas a -1. Este mapa de calor es simétrico a lo largo de la diagonal porque la correlación entre la droga i y la droga j es la misma que la correlación entre la droga j y la droga i. La diagonal no está dibujada para evitar un efecto techo que distorsione la figura. El orden de las sustancias en los ejes x e y es el mismo. El orden de las sustancias en el eje x es el mismo que en el eje y. Este ordenamiento se eligió para agrupar pares de drogas con correlaciones similares.

Se aprecian tres grandes grupos. Procediendo de izquierda a derecha a lo largo del eje horizontal, un grupo comienza con el pramipexol y termina con el butalbital. Este grupo contiene sustancias comúnmente etiquetadas como nootrópicos (pramipexol, ginko, levometanfetamina) o catinonas (sales de baño; pentilona, butirona, nafirona). El siguiente grupo comienza con el modafinilo y termina con la chaliponga. Contiene plantas alucinógenas (zacatechichi, chaliponga) y medicamentos psiquiátricos (venlafaxina, olanzipina). El tercer grupo contiene estimulantes (cafeína, cocaína, nicotina, metilfenidato) y plantas alucinógenas. El cuadrado mayoritariamente azul de la parte inferior izquierda indica que los compuestos del primer clúster (nootrópicos y catinonas) rara vez se relacionan con los compuestos del tercer clúster (estimulantes y ciertas plantas alucinógenas). Una correlación negativa (color azul) entre dos sustancias significa que cuando se menciona la primera sustancia es menos probable que se mencione la segunda. No significa que cuando se menciona una sustancia se hable explícitamente de evitar la segunda.

El término piper probablemente se refiera a Piper methysticum una fuente de kava, un ansiolítico a base de hierbas (31). Piper también puede referirse a las fenilpiperazinas, una nueva clase de estimulantes comercializados como alternativas a las sales de baño (32). La huperzina es un inhibidor de la acetilcolinesterasa que se comercializa como nootrópico (potenciador cognitivo), aunque los estudios en humanos muestran efectos mínimos (33).

La figura 2 demuestra la validez de este enfoque de la vigilancia tóxica y ofrece nuevas perspectivas. La cafeína es un adulterante común en las muestras de cocaína (34, 35). Quienes consumen cocaína son más propensos a consumir nicotina y cafeína (36).

La correlación entre los patrones de mención de la pentilona, la butilona y la nafirona (grupo superior izquierdo) probablemente refleja los debates sobre los efectos relativos de cada sustancia, aunque podrían reflejar patrones de consumo no declarados. Un hallazgo novedoso es que los debates en los que se menciona la bk-MDMA (también llamada metilona), otra catinona, mencionan con mucha frecuencia la metanfetamina y los alucinógenos (bufotenina, mimosa), pero no otras sales de baño. Las anfetaminas son un contaminante frecuente de las sales de baño (37).

Algunos patrones de uso reportados no se observan aquí. La Figura 2 muestra que no hay co-menciones significativas de los inhibidores de la monoaminooxidasa (IMAO) con los derivados de la triptamina, como la dimetiltriptamina. Los inhibidores de la monoaminooxidasa (IMAO) potencian la dimetiltriptamina al impedir el metabolismo de la DMT en el tracto gastrointestinal (25). La mimosa (38) y la chaliponga (39) son fuentes vegetales de DMT. La ayahuasca es una fuente de DMT utilizada en ceremonias religiosas sudamericanas y cada vez más utilizada en los Estados Unidos (40). La harmalina es una β-carbolina RIMA (inhibidor reversible de la monoamino oxidasa A (41)). Tal vez porque se ha descrito la combinación de IMAO y alucinógenos (42), el tema se da por supuesto en los foros en línea. O bien, el tema puede ser más discutido en otros foros.

Para identificar los patrones de co-ingestión entre clases, la Figura 3 agrupa las menciones de sustancias por clase. Las clases más mencionadas son los hipnóticos-sedantes, los alucinógenos y los estimulantes, seguidos de los nootrópicos, los medicamentos psiquiátricos y los anticolinérgicos. A efectos de la Figura 3, cada fármaco se asignó a una sola clase. En realidad, un fármaco puede tener múltiples efectos, y sólo se manifiestan efectos diferentes a distintas dosis. Elegimos la clase que refleja los efectos de los fármacos a las dosis comúnmente ingeridas. Nosotros, por ejemplo, clasificaríamos la difenhidramina (Benadryl) como un antihistamínico aunque sea un anticolinérgico a dosis más altas. No pudimos extraer información sobre la dosis para orientar más la clasificación.

FIGURA 3
www.frontiersin.org

Figura 3. Mapa de calor de las co-menciones sustancia-sustancia por clase. Cada pequeña caja representa un par de clases de sustancias. Las etiquetas en los ejes X e Y especifican las clases de sustancias asociadas a cada caja. El color del recuadro indica la frecuencia absoluta de las menciones, según la escala de la barra de colores de la parte inferior derecha.

Para identificar los patrones de consumo de sustancias que implican más de dos sustancias, construimos una red social de drogas (Figura 4) de la siguiente manera. Creamos una conexión entre dos drogas si esas dos drogas tenían una correlación significativa. Representamos esa conexión gráficamente como una línea. La anchura de la línea refleja la fuerza de la correlación. Al unir estas conexiones por pares se crea una red más amplia, como se indica a continuación. El fármaco A desarrolla una conexión indirecta con el fármaco C a través del fármaco B si los patrones de mención del fármaco A y del fármaco B están correlacionados, así como los patrones de mención del fármaco B y del fármaco C.

FIGURA 4
www.frontiersin.org

Figura 4. Red social de discusiones sobre drogas. Cada nodo (texto) representa una sustancia. Cada borde (línea de conexión) representa la correlación entre las menciones de las dos sustancias conectadas. Cuanto más gruesa es la línea, más fuerte es la correlación.

Hemos identificado seis grupos que contienen más de tres miembros. Llamamos a estos grupos más grandes islas semánticas. Los mensajes que mencionan una droga en una isla semántica normalmente sólo mencionan sustancias de esa misma isla si mencionan más de una sustancia. Hay una isla de opioides en la parte superior central. Siguiendo en el sentido de las agujas del reloj hay una isla de estimulantes (la cafeína es el centro), una isla de ISRS (la paroxetina es el centro), una isla de alucinógenos vegetales (el DMT y la mimosa son los centros), una isla de alucinógenos sintéticos (el LSD y el sonido son los centros) y una isla de benzodiacepinas.

La isla de ISRS está formada por citalopram, sertralina, paroxetina, fluoxetina y venlafaxina. En la isla de los ISRS, la paroxetina forma el núcleo y está directamente conectada con todos los demás miembros de la isla. Una interpretación de esta disposición es que la paroxetina (nombre comercial Paxil) forma un marco de referencia para evaluar otros ISRS.

En el alucinógeno sintético, el LSD es un eje que une dos subislas. La subisla izquierda de la isla de alucinógenos contiene sustancias que se consideran canónicamente anticolinérgicas. La hioscina y la hiosciamina son alcaloides tropánicos que se encuentran en la hierba jimson. La subisla derecha contiene derivados anfetamínicos, como el MDMA y los derivados del MDMA (sales de baño), el bk-MDMA (β-ceto MDMA; metilona) y el bk-MDEA (etilona).

La tríada formada por el etanol, el cálamo y la tuyona refleja la discusión sobre la absenta, que se creía que tenía propiedades alucinógenas. Se pensaba que el envejecimiento del alcohol en el ajenjo infundía la solución con α-tujona. El cálamo, que hace referencia al Acorus calamus, también se consideraba un componente alucinógeno de la absenta.

La tríada formada por el armodafanil, el modafinil y el adrafinil refleja las discusiones sobre cómo obtener modafinil sin receta. El modafinilo (nombre comercial Provigil) y el armodafinilo (nombre comercial Nuvigil) actualmente sólo están disponibles con receta médica en los Estados Unidos. El adrafinilo se metaboliza en modafinilo y no está designado como sustancia controlada en los Estados Unidos.

La conexión entre la niacina y el GABA se refiere a informes anecdóticos de que la administración oral combinada de niacina y GABA aumenta la cantidad de GABA que atraviesa la barrera hematoencefálica. Que los autores sepan, no hay informes revisados por pares sobre esto. Tampoco ha habido informes sobre la combinación de pramipexol (un agonista de la dopamina) con nefazodona (un ISRS).

Discusión

Este estudio presenta el primer análisis formal de los patrones de discusión en los foros en línea que describen los patrones de co-ingestión de sustancias. Nuestro objetivo era demostrar simultáneamente la validez del uso de los foros de Internet para la vigilancia sindrómica y descubrir nuevas co-menciones de sustancias. Nuestro análisis de Lycaeum identificó 183 combinaciones. De esas combinaciones, 44 nunca se han estudiado directamente, pero son similares a las combinaciones que se han estudiado directamente. Tres combinaciones, nefazodona y pramipexol, zacatechichi (artemisa) y escutelaria, y niacina y GABA, no tienen antecedentes en la literatura.

Encontramos que las conversaciones que mencionaban alucinógenos sintéticos tendían a dividirse en las que mencionaban alucinógenos derivados de la anfetamina y las derivadas del cornezuelo. Las conversaciones que mencionaban alucinógenos sintéticos tendían a no mencionar alucinógenos vegetales.

También descubrimos que las sales de baño se discuten comúnmente con sedantes-hipnóticos y nootrópicos, mientras que los estimulantes más canónicos se discuten con alucinógenos vegetales y medicamentos psiquiátricos. Los debates en los que se mencionan los hipnóticos-sedantes suelen mencionar también los alucinógenos y los estimulantes. Las sustancias de todas las clases se comparan frecuentemente con la MDMA, la DMT, la cocaína y la atropina cuando se trata de describir sus efectos.

Este estudio tiene muchas limitaciones. Analiza los patrones de discusión de aquellos que eligieron compartir información sobre patrones de uso de drogas. No hay datos analíticos que respalden que las sustancias que se mencionan juntas se hayan ingerido juntas. Este estudio no realizó un análisis lingüístico detallado de todo el texto. Una «co-mención» entre la droga i y la droga j podría significar la ingesta de la droga i y de la droga j, evitar la co-ingestión de ambas sustancias, o consumir una pero no la otra. Buscamos menciones explícitas de cada sustancia.

Es posible que los mensajes enmascaren las menciones de uso con argot, incluso en los foros online dedicados a la discusión sobre nuevas sustancias psicoactivas. Según el conocimiento de los autores, no existe ningún diccionario exhaustivo o validado de forma independiente del argot relacionado con las nuevas sustancias psicoactivas. Intentamos estandarizar el vocabulario mediante la curación manual. El sistema de clasificación utilizado en la Figura 2 se desvía de las mejores prácticas aceptadas en la ontología biomédica. Por ejemplo, anticolinérgico y contaminante no son mutuamente excluyentes y describen propiedades en diferentes niveles de abstracción. El primer término describe una propiedad de unión de la sustancia química. El segundo término describe una propiedad que tiene una sustancia en virtud de su ubicación. El término citalopram no es una propiedad sino una sustancia. El sistema de clasificación también simplifica la realidad de que muchas NPS se unen a muchos receptores y tienen metabolitos activos. Elegimos este sencillo sistema de clasificación para reflejar la categorización utilizada por los clínicos. Las investigaciones posteriores que pretendan unir los datos de los medios sociales con los repositorios de conocimiento existentes podrían tener que desarrollar una representación más formal y lógicamente consistente del conocimiento en este dominio.

El análisis textual también es limitado en el sentido de que no se intentó inferir por qué los mensajes seleccionaban un par de sustancias en lugar de otro. Quizás técnicas más sofisticadas de procesamiento del lenguaje natural o de inteligencia artificial podrían descubrir tales variables latentes.

Contribuciones de los autores

MC escribió el software para analizar los datos de Lycaeum, curó manualmente algunas categorías de drogas, escribió y editó el manuscrito. DY escribió el software para adquirir los datos de Lycaeum y manualmente curada algunas categorías de drogas. AM proporcionó orientación durante el análisis de los datos y ayudó a revisar el manuscrito.

Declaración de conflicto de intereses

Los autores declaran que la investigación se llevó a cabo en ausencia de cualquier relación comercial o financiera que pudiera interpretarse como un potencial conflicto de intereses.

Agradecimientos

Los autores desean agradecer al personal administrativo del NewYork Presbyterian\Queens y de la Bronx High School of Science.

1. Orsolini L, Papanti D, Vecchiotti R, Valchera A, Corkery J, Schifano F. Nuevas sustancias psicoactivas. Eur Psychiatry (2016) 33:S59-60. doi:10.1016/j.eurpsy.2016.01.945

CrossRef Full Text | Google Scholar

2. Boyer EW, Lapen PT, Macalino G, Hibberd PL. Difusión de información sobre sustancias psicoactivas por parte de usuarios de drogas innovadores. Cyberpsychol Behav (2007) 10(1):1-6. doi:10.1089/cpb.2006.9999

PubMed Abstract | CrossRef Full Text | Google Scholar

3. Nelson ME, Bryant SM, Aks SE. Drogas de abuso emergentes. Dis Mon (2014) 60(3):110-32. doi:10.1016/j.disamonth.2014.01.001

CrossRef Full Text | Google Scholar

4. Tittarelli R, Mannocchi G, Pantano F, Saverio Romolo F. Recreational use, analysis and toxicity of tryptamines. Curr Neuropharmacol (2015) 13(1):26-46. doi:10.2174/1570159X13666141210222409

PubMed Abstract | CrossRef Full Text | Google Scholar

5. Helander A, Beck O, Hägerkvist R, Hultén P. Identification of novel psychoactive drug use in Sweden based on laboratory analysis-initial experiences from the STRIDA project. Scand J Clin Lab Invest (2013) 73(5):400-6. doi:10.3109/00365513.2013.793817

CrossRef Full Text | Google Scholar

6. Schechter MD. ‘Candyflipping’: efecto discriminativo sinérgico del LSD y el MDMA. Eur J Pharmacol (1998) 341(2):131-4. doi:10.1016/S0014-2999(97)01473-8

CrossRef Full Text | Google Scholar

7. Miller NS, Gold MS. LSD y éxtasis: farmacología, fenomenología y tratamiento. Psychiatr Ann (1994) 24(3):131-3. doi:10.3928/0048-5713-19940301-07

CrossRef Full Text | Google Scholar

8. Schifano F, Di Furia L, Forza G, Minicuci N, Bricolo R. MDMA (‘ecstasy’) consumption in the context of polydrug abuse: a report on 150 patients. Drug Alcohol Depend (1998) 52(1):85-90. doi:10.1016/S0376-8716(98)00051-9

CrossRef Full Text | Google Scholar

9. Conway KP, Vullo GC, Nichter B, Wang J, Compton WM, Iannotti RJ, et al. Prevalencia y patrones de consumo de polisustancias en una muestra representativa a nivel nacional de estudiantes de 10º grado en los Estados Unidos. J Adolesc Health (2013) 52(6):716-23. doi:10.1016/j.jadohealth.2012.12.006

PubMed Abstract | CrossRef Full Text | Google Scholar

10. Chary M, Park EH, McKenzie A, Sun J, Manini AF, Genes N. Signos & síntomas de la exposición al dextrometorfano de youtube. PLoS One (2014) 9(2):e82452. doi:10.1371/journal.pone.0082452

CrossRef Full Text | Google Scholar

11. Chary M, Genes N, Giraud-Carrier C, Hanson C, Nelson LS, Manini AF. Epidemiología a partir de tweets: estimación del uso indebido de opioides de prescripción en los Estados Unidos a partir de los medios sociales. J Med Toxicol (2017) 13(4):278-86. doi:10.1007/s13181-017-0625-5

PubMed Abstract | CrossRef Full Text | Google Scholar

12. Eichstaedt JC, Schwartz HA, Kern ML, Park G, Labarthe DR, Merchant RM, et al. El lenguaje psicológico en twitter predice la mortalidad por enfermedad cardíaca a nivel de condado. Psychol Sci (2015) 26(2):159-69. doi:10.1177/0956797614557867

PubMed Abstract | CrossRef Full Text | Google Scholar

13. Halpern JH, Pope HG Jr. Alucinógenos en Internet: una nueva y vasta fuente de información sobre drogas clandestinas. Am J Psychiatry (2001) 158(3):481-3. doi:10.1176/appi.ajp.158.3.481

PubMed Abstract | CrossRef Full Text | Google Scholar

14. Van Rossum G, Drake FL. Manual de referencia del lenguaje Python. Bristol: Network Theory (2003).

Google Scholar

15. Myers D, McGuffee JW. La elección de la chatarra. J Comput Sci Coll (2015) 31(1):83-9.

Google Scholar

16. Bird S, Klein E, Loper E. Natural Language Processing with Python: Analyzing Text with the Natural Language Toolkit. Sebastopol, CA: O’Reilly Media, Inc. (2009).

Google Scholar

17. Dayan P, Abbott LF. Theoretical Neuroscience. (Vol. 806). Cambridge, MA: MIT Press (2001).

Google Scholar

18. Hommel B, Sellaro R, Fischer R, Borg S, Colzato LS. Los latidos binaurales de alta frecuencia aumentan la flexibilidad cognitiva: evidencia de la diafonía de doble tarea. Front Psychol (2016) 7:1287. doi:10.3389/fpsyg.2016.01287

PubMed Abstract | CrossRef Full Text | Google Scholar

19. López-Caballero F, Escera C. Ritmo binaural: un fallo en la mejora de la potencia del EEG y la excitación emocional. Front Hum Neurosci (2017) 11:557. doi:10.3389/fnhum.2017.00557

PubMed Abstract | CrossRef Full Text | Google Scholar

20. Roth BL, Baner K, Westkaemper R, Siebert D, Rice KC, Steinberg S, et al. Salvinorin A: a potent natural nonnitrogenous κ opioid selective agonist. Proc Natl Acad Sci U S A (2002) 99(18):11934-9. doi:10.1073/pnas.182234399

CrossRef Full Text | Google Scholar

21. Schepis TS, West BT, Teter CJ, McCabe SE. Prevalencia y correlación de la co-distribución de tranquilizantes de prescripción y otras sustancias psicoactivas por los estudiantes de secundaria de Estados Unidos: resultados de una encuesta nacional. Addict Behav (2016) 52:8-12. doi:10.1016/j.addbeh.2015.08.002

CrossRef Full Text | Google Scholar

22. Solursh LP, Clement WR. Uso del diazepam en las crisis de drogas alucinógenas. JAMA (1968) 205(9):644-5. doi:10.1001/jama.205.9.644

CrossRef Full Text | Google Scholar

23. Downing J. The psychological and physiological effects of MDMA on normal volunteers. J Psychoactive Drugs (1986) 18(4):335-40. doi:10.1080/02791072.1986.10472366

PubMed Abstract | CrossRef Full Text | Google Scholar

24. Pachter IJ, Zacharias DE, Ribeiro O. Indole alkaloids of Acer saccharinum (the silver maple), Dictyoloma incanescens, Piptadenia colubrina, and Mimosa hostilis. J Org Chem (1959) 24(9):1285-7. doi:10.1021/jo01091a032

CrossRef Full Text | Google Scholar

25. McKenna DJ, Towers GN, Abbott F. Monoamine oxidase inhibitors in South American hallucinogenic plants: tryptamine and β-carboline constituents of ayahuasca. J Ethnopharmacol (1984) 10(2):195-223. doi:10.1016/0378-8741(84)90003-5

CrossRef Full Text | Google Scholar

26. Schwartz RH, Smith DE. Setas alucinógenas. Clin Pediatr (1988) 27(2):70-3. doi:10.1177/000992288802700202

PubMed Abstract | CrossRef Full Text | Google Scholar

27. Hofmann A. Teonanácatl y ololiuqui, dos antiguas drogas mágicas de México. Bull Narc (1971) 23(1):3-14.

Google Scholar

28. Power M. Drugs 2.0: La revolución de la web que está cambiando la forma en que el mundo se droga. Nueva York, NY: Portobello Books (2014).

Google Scholar

29. Thomas H. Síntomas psiquiátricos en consumidores de cannabis. Br J Psychiatry (1993) 163(2):141-9. doi:10.1192/bjp.163.2.141

CrossRef Full Text | Google Scholar

30. Seely KA, Lapoint J, Moran JH, Fattore L. Las drogas spice son algo más que mezclas de hierbas inofensivas: una revisión de la farmacología y toxicología de los cannabinoides sintéticos. Prog Neuropsychopharmacol Biol Psychiatry (2012) 39(2):234-43. doi:10.1016/j.pnpbp.2012.04.017

PubMed Abstract | CrossRef Full Text | Google Scholar

31. Ernst E. A re-evaluation of kava (Piper methysticum). Br J Clin Pharmacol (2007) 64(4):415-7. doi:10.1111/j.1365-2125.2007.02932.x

CrossRef Full Text | Google Scholar

32. Bossong M, Van Dijk J, Niesink R. Metilona y mCPP, ¿dos nuevas drogas de abuso? Addict Biol (2005) 10(4):321-3. doi:10.1080/13556210500350794

PubMed Abstract | CrossRef Full Text | Google Scholar

33. Yang G, Wang Y, Tian J, Liu J-P. Huperzina A para la enfermedad de Alzheimer: una revisión sistemática y meta-análisis de ensayos clínicos aleatorios. PLoS One (2013) 8(9):e74916. doi:10.1371/journal.pone.0074916

CrossRef Full Text | Google Scholar

34. Bernardo NP, Siqueira MEPB, de Paiva MJN, Maia PP. Caffeine and other adulterants in seizures of street cocaine in Brazil. Int J Drug Policy (2003) 14(4):331-4. doi:10.1016/S0955-3959(03)00083-5

CrossRef Full Text | Google Scholar

35. Schneider S, Meys F. Análisis de muestras de cocaína y heroína ilícitas incautadas en Luxemburgo entre 2005 y 2010. Forensic Sci Int (2011) 212(1):242-6. doi:10.1016/j.forsciint.2011.06.027

CrossRef Full Text | Google Scholar

36. Budney AJ, Higgins ST, Hughes JR, Bickel WK. Consumo de nicotina y cafeína en individuos dependientes de la cocaína. J Subst Abuse (1993) 5(2):117-30. doi:10.1016/0899-3289(93)90056-H

PubMed Abstract | CrossRef Full Text | Google Scholar

37. Prosser JM, Nelson LS. La toxicología de las sales de baño: una revisión de las catinonas sintéticas. J Med Toxicol (2012) 8(1):33-42. doi:10.1007/s13181-011-0193-z

PubMed Abstract | CrossRef Full Text | Google Scholar

38. Gardner DR, Riet-Correa F, Panter KE, Pfister J, Schild AL, Wierenga T. Alkaloid profiles of Mimosa tenuiflora and associated methods of analysis. 8th International Symposium on Poisonous Plants (ISOPP8). Joâo Pessoa, Paraiba, Brasil: CABI (2011). p. 600-5.

Google Scholar

39. O’Mahony Carey S, et al. Psychoactive Substances: A Guide to Ethnobotanical Plants and Herbs, Synthetic Chemicals, Compounds and Products. South Tipperary: Substance Misuse Service HSE (2014).

Google Scholar

40. Heise CW, Brooks DE. Exposición a la ayahuasca: análisis descriptivo de las llamadas a los centros de control de intoxicaciones de los Estados Unidos de 2005 a 2015. J Med Toxicol (2017) 13(3):245-8. doi:10.1007/s13181-016-0593-1

CrossRef Full Text | Google Scholar

41. Ott J. Pharmahuasca: farmacología humana de DMT oral más harmina. J Psychoactive Drugs (1999) 31(2):171-7. doi:10.1080/02791072.1999.10471741

PubMed Abstract | CrossRef Full Text | Google Scholar

42. Schifano F, Papanti GD, Orsolini L, Corkery JM. Nuevas sustancias psicoactivas: la farmacología de los estimulantes y alucinógenos. Expert Rev Clin Pharmacol (2016) 9(7):943-54. doi:10.1586/17512433.2016.1167597

PubMed Abstract | CrossRef Full Text | Google Scholar

Deja una respuesta

Tu dirección de correo electrónico no será publicada.