Frontiers in Psychiatry

Aug 11, 2021
admin

Einführung

Neue psychoaktive Substanzen (NPS) beziehen sich auf neuartige synthetische Verbindungen oder Derivate bekannterer Missbrauchssubstanzen, die in den letzten zwei Jahrzehnten entstanden sind (1). Beispiele sind Derivate von Cannabis, substituierte Phenylethylamine oder Cathinone (Badesalze). Der Begriff NPS kann auch Substanzen umfassen, die in anderen Kulturen verwendet werden, aber für westliche Konsumenten neu sind, wie z. B. Khat (der Vorläufer der Badesalze), Kratom oder Salvia. Der zunehmende Konsum von NPS steht im Zusammenhang mit dem Aufkommen sozialer Medien als Mittel zur Diskussion des NPS-Konsums und zur Verbreitung des eigentlichen Produkts (2).

Der Konsum von NPS ist ein Problem für die öffentliche Gesundheit. Der Konsum von substituierten Amphetaminen wird mit plötzlichem Herztod und Nierenversagen in Verbindung gebracht (3). Der Konsum von Badesalzen wird mit akuten und anhaltenden Psychosen in Verbindung gebracht (3). Der Konsum von Tryptaminderivaten wird mit Psychosen und langfristigen psychiatrischen Beeinträchtigungen, einschließlich Angstzuständen und Paranoia, in Verbindung gebracht (4). Die Autoren konnten in der Literatur keine Studie finden, in der die Auswirkungen neuartiger psychoaktiver Substanzen in Form von krankheitsbereinigten Lebensjahren oder monetären Auswirkungen quantifiziert wurden.

Chemische Analysen neuartiger psychoaktiver Substanzen, die von den Konsumenten freiwillig eingereicht wurden, deuten darauf hin, dass neuartige psychoaktive Substanzen häufig zusammen mit anderen Substanzen und nicht isoliert konsumiert werden (5). Eine Kombination von Substanzen kann weniger Nebenwirkungen haben als eine einzelne Substanz. Der Begriff Candyflipping bezieht sich auf die Kombination von LSD und MDMA (Ecstasy) (6). Diese Kombination wurde erstmals in den frühen 1980er Jahren beschrieben, einige Jahre nachdem MDMA in größerem Umfang verfügbar wurde (7). Candyflipping scheint die Potenz und Dauer der MDMA-ähnlichen Wirkungen zu erhöhen und gleichzeitig die Gefahr einer Überdosierung von MDMA zu verringern. Es ist bekannt, dass MDMA auch mit anderen Amphetaminen, Alkohol und synthetischen Cannabinoiden kombiniert wird (8). Berichte über den Konsum mehrerer Substanzen können auch eine Verunreinigung während der illegalen Herstellung und Verbreitung widerspiegeln.

Soziale Medien haben sich als aufschlussreiche Datenquellen für die Beobachtung des Verhaltens der Allgemeinbevölkerung erwiesen. Jugendliche und junge Erwachsene, die am häufigsten beschriebenen Konsumenten von NPS (3, 9), kommunizieren häufig offen online. Ob die Qualität der Daten aus den sozialen Medien mit der Qualität der Daten aus traditionelleren Mitteln der syndromalen Überwachung vergleichbar ist, wird noch untersucht. Aus YouTube-Kommentaren können glaubwürdige Dosen von Dextromethorphan abgeleitet werden (10). Schätzungen der geografischen Verteilung des Opioidmissbrauchs in den Vereinigten Staaten auf der Grundlage von Twitter stimmen hervorragend mit denen der National Survey on Drug Usage and Health (11) überein. Die Sprache auf Twitter korreliert mit der geografischen Verteilung von Herzerkrankungen (12).

Traditionelle Mittel der syndromalen Überwachung lassen sich nur schwer auf die Epidemiologie neuer psychoaktiver Substanzen anwenden. Nationale Erhebungen, wie die National Survey on Drug Usage and Health, finden einmal jährlich statt und umfassen persönliche Befragungen. Analysen von Anrufen bei Giftnotrufzentralen oder Begegnungen mit Gesundheitsdienstleistern liefern ein verzerrtes Bild der Muster des NPS-Konsums.

Unser Ansatz verfolgte zwei große Ziele:

1. Es sollte gezeigt werden, dass Daten über den Mehrfachkonsum von Substanzen aus Online-Beiträgen von Nutzern extrahiert werden können.

2. Es sollte gezeigt werden, dass aus diesen Daten sowohl neue als auch bekannte Substanzkombinationen abgeleitet werden können.

Die Ableitung bekannter Substanzkombinationen wird die Glaubwürdigkeit von Online-Beiträgen als Quelle für diese Art von Daten erhöhen. Unser Ansatz bestand darin, Techniken der natürlichen Sprachverarbeitung und Big Data zu verwenden, um Lycaeum zu analysieren. Lycaeum ist eine Website und ein Internetforum, das sich der Verbreitung von Informationen über psychoaktive Substanzen widmet (13).

Materialien und Methoden

2.1. Überblick

Wir schrieben eine Software in der Programmiersprache Python (14), um Benutzerbeiträge aus Lycaeum zu extrahieren, neue psychoaktive Substanzen zu identifizieren und den Inhalt der Beiträge zu analysieren. Die Beiträge bestehen aus unstrukturiertem Text, auch Freitext genannt, ähnlich wie der Abschnitt „Kommentare“ nach Online-Artikeln auf den Websites der New York Times oder der Financial Times. Wir haben nur öffentliche Beiträge in die Analyse einbezogen. Beiträge, die als gelöscht oder vom Moderator markiert wurden, wurden nicht berücksichtigt.

2.2. Erfassung von Nutzerbeiträgen

Wir entwickelten einen Web Scraper mit dem Python-Paket scrapy (15), um alle zugänglichen Beiträge (n = 9.289) seit dem Start von Lycaeum im Jahr 1996 bis Dezember 2016 zu extrahieren. Wir lemmatisierten die Beiträge und entfernten Stoppwörter mit nltk, dem Python Natural Language Toolkit (16). Unter Lemmatisierung versteht man die Umwandlung aller lexikalischen und semantischen Varianten eines Wortes in eine Grundform. Man lemmatisiert z. B. Lesen, liest und Leser zu lesen. Die Lemmatisierung ist eine Möglichkeit, vom eigentlichen unstrukturierten Text zu einer nachvollziehbaren Darstellung der zugrunde liegenden Semantik zu gelangen. Das Entfernen von Stoppwörtern bezieht sich auf das Herausfiltern von Wörtern wie „der“ oder „ein“, die zwar häufig vorkommen, dem Text aber kaum Informationen hinzufügen. Das Entfernen von Stoppwörtern ist ein gängiger Ansatz, um die Häufigkeit von Wörtern genauer an die relative Prävalenz von Konzepten in einem Textstück anzunähern.

2.3. Identifizierung von Stoffen

Zur Identifizierung von Stoffen haben wir einen dreistufigen Prozess verwendet. Wir verwendeten nltk, um alle Substantive vor der Lemmatisierung zu identifizieren. Die Autoren MC und AM überprüften diese Liste jeweils manuell, um diejenigen Substantive zu identifizieren, die sich wahrscheinlich nur auf Drogen bezogen. Nur Substantive, die sowohl von AM als auch von MC als wahrscheinlich nur auf Drogen bezogen identifiziert wurden, wurden für die weitere Analyse verwendet. Autor DY verglich diese Liste mit Wikipedia, PubChem und DrugBank, um die Standardschreibweise und eine Liste von Synonymen für jede potenzielle Substanz zu erhalten. Durch diesen Querverweis wurde zum Beispiel Xanny, eine Variante von Xanax, auf Alprazolam übertragen. Die Autoren DY und MC kommentierten jede Droge hinsichtlich ihrer Wirkstoffklasse. Wir berücksichtigten die folgenden Klassen: Sedativum-Hypnotikum, Halluzinogen, Stimulans, Nootropikum, Psychopharmaka, Anticholinergikum, Analgetikum, Antipyretikum, Antiemetikum, Antihypertensivum, Cannabinoid oder Kontaminanten.

2.4. Berechnung der Korrelation

Um die Muster der gleichzeitigen Erwähnung von Substanzen zu ermitteln, erstellten wir eine Drogen-Post-Matrix, so dass der ij-te Eintrag dieser Matrix 1 ist, wenn die Droge i in Post j erwähnt wird, ansonsten -1. Anschließend berechneten wir die Korrelation zwischen den Erwähnungsmustern aller Drogenpaare im Lycaeum-Korpus. Wir berechneten die Korrelation zwischen zwei beliebigen Arzneimitteln, a und b, als das innere Produkt der entsprechenden Zeilen in der Arzneimittel-Beitrags-Matrix, normiert durch die Anzahl der Beiträge n, ra,b=a→⋅b→/n. Anders ausgedrückt, wir haben jede Droge als mehrdimensionalen Vektor behandelt. Jede Dimension entspricht einer Stelle. Die Korrelation zwischen zwei beliebigen Drogen über die Stellen ist der Kosinus des Winkels zwischen den beiden entsprechenden Vektoren. Die vorgestellte Gleichung berechnet den Kosinus dieses Winkels. Diese Gleichung ist aus Ref. (17). Wir haben einen Schwellenwert für die statistische Signifikanz der Korrelation zwischen Droge a und Droge b, ra,b, ermittelt, indem wir die Drogen-Posten-Matrix 10.000 Mal zufällig gemischt und alle Korrelationen zwischen den Drogenpaaren neu berechnet haben, um eine empirische Wahrscheinlichkeitsverteilungsfunktion für ra,b abzuleiten.

Ergebnisse

Die 20 am häufigsten genannten Substanzen umfassten gängige Halluzinogene, Stimulanzien, Sedativa-Hypnotika sowie interessanterweise Schall (Abbildung 1). Die x-Achse in Abbildung 1 zeigt die Anzahl der Beiträge, in denen die Substanz mindestens einmal erwähnt wird. In den folgenden Abschnitten wird auf einige dieser Substanzen näher eingegangen, da sie dem Leser möglicherweise nicht bekannt sind.

Abbildung 1
www.frontiersin.org

Abbildung 1. Die 20 am häufigsten genannten Substanzen. Die x-Achse gibt die Anzahl der Beiträge an, in denen die Substanz mindestens einmal erwähnt wurde. MDMA, 3,4-Methylendioxymethamphetamin, auch bekannt als Ecstasy; DMT, N,N-Dimethyltryptamin; DXM, Dextromethorphan; LSA, Lysergsäureamid, auch bekannt als Ergin.

Wir haben die Begriffe binaurale Beats, binauraler Sound und binaurale Musik mit dem Token Sound zusammengeführt. Alle diese Begriffe beziehen sich auf die Darbietung von Reinton-Sinuswellen, die sich nur durch ihre Frequenz unterscheiden, für jedes Ohr. In Beiträgen zu Lycaeum wird häufig beschrieben, dass man binaurale Beats hört und dabei Substanzen einnimmt, die das Erlebnis verstärken. Binaurale Klänge können im Vergleich zu Stille die Konzentration auf eine Aufgabe erhöhen (18). Es wurde nicht nachgewiesen, dass sie die emotionale Erregung verändern (19). Die Autoren konnten keine Studie finden, in der die Kombination von binauralen Klängen mit einer psychoaktiven Substanz untersucht wurde, obwohl sie in unserem Datensatz weit verbreitet ist. Wir schlossen Erwähnungen von binauralen Klängen aus den nachfolgenden Analysen aus, da der Schwerpunkt dieser Studie auf der Kombination von Drogen und Drogen lag. Es ist unklar, warum die Beiträge diese Klänge so häufig erwähnten. Eine detaillierte Analyse des Kontextes, in dem binaurale Beats erwähnt wurden, würde den Rahmen dieser Studie sprengen.

LSD (Lysergic Diethyl Amide) ist ein kanonisches Halluzinogen (18). Salvia, d.h. Salvia divinorum, bezieht sich auf eine psychoaktive Pflanze aus Oaxaca, Mexiko, die reich an Salivinorin A ist, einem κ-Opioidrezeptor-Agonisten (20).

Diazepam ist ein Benzodiazepin-Sedativum-Hypnotikum, das in den USA unter dem Handelsnamen Valium verkauft wird. Die gleichzeitige Einnahme von Diazepam mit einem Halluzinogen kann die mit einigen Halluzinogenen verbundene Angst, Dysphorie oder schnelle Herzfrequenz abmildern. Die gleichzeitige Einnahme eines Sedativums/Hypnotikums und eines Halluzinogens kann die beabsichtigte Wirkung des Halluzinogens verstärken (21). Die Verabreichung von Benzodiazepinen ist Teil der Erstbehandlung von symptomatischen Überdosierungen von Halluzinogenen (22). Ethanol und Koffein sind häufig konsumierte psychoaktive Substanzen. MDMA (3,4-Methylendioxymethamphetamin; auch Ecstasy genannt) ist das kanonische Entaktogen-Empathogen, eine Substanz, die Gefühle von Nähe, Verbundenheit, Empathie und sexueller Anziehung verstärkt (23). DMT (N,N-Dimethyltryptamin) ist ein halluzinogenes Derivat des Tryptamins. Es gilt als die wichtigste psychoaktive Verbindung in halluzinogenen Pflanzen wie Mimosa tenuiflora (24) und der Melange Ayahuasca (25). Amphetamin (auch Speed genannt) ist ein seit langem bekanntes Stimulans. Psylocybin ist ein weiteres kanonisches Halluzinogen; es ist der Wirkstoff in „Magic Mushrooms“ (26).

Atropin, Hyoscin (auch Scopolamin genannt) und Hyoscyamin sind Bestandteile von Stechapfel, einem Schlafmittel und Halluzinogen. LSA (Lysergsäureamid; auch Ergin genannt) ist ein mit LSD verwandtes Mutterkorn und das am besten untersuchte Halluzinogen in Stechapfel (27). Es entstand als Alternative zu LSD; populäre Artikel lassen vermuten, dass LSA auch ein Vergleichspunkt bei der Beschreibung der Wirkungen von Methylon ist (28).

Cannabis ist ein häufig konsumiertes Beruhigungsmittel, obwohl einige Sorten halluzinogene oder stimulierende Wirkungen haben können (29). Der Begriff Cannabinoid bezieht sich wahrscheinlich auf synthetische Cannabinoide. Synthetische Cannabinoide sind Agonisten an Cannabinoidrezeptoren sowie an dopaminergen, sertoninergen und adrenergen Rezeptoren; synthetische Cannabinoide können mit größerer Wahrscheinlichkeit eine Psychose auslösen als Cannabis (30).

Um besser zu verstehen, wie die Beiträge die Kombination von Substanzen beschrieben, haben wir die Korrelation über alle Dokumente für alle Substanzpaare berechnet. Abbildung 2 zeigt alle Kombinationen, deren Korrelationen statistisch signifikant sind. Wir verwendeten Bootstrapping (siehe Materialien und Methoden), um den Schwellenwert für statistisch signifikante Korrelationen zu bestimmen.

Abbildung 2
www.frontiersin.org

Abbildung 2. Heatmap des Korrelationskoeffizienten von Substanz-Substanz-Ko-Nennungspaaren, deren Korrelation statistisch signifikant war. Jedes Kästchen steht für ein Substanzpaar. Die Wirkstoffnamen auf der x- und y-Achse geben das mit jedem Kästchen verbundene Paar an. Die Farbe des Kästchens zeigt die Korrelation an, entsprechend der Skala unten rechts.

Abbildung 2 ist eine geclusterte Heatmap, eine grafische Darstellung der Drogen-Post-Matrix. Die Farbe des ij-ten Kästchens zeigt die Korrelation zwischen Droge i und Droge j. Wärmere Farben zeigen Korrelationen an, die näher bei 1 liegen. Kältere Farben zeigen Korrelationen an, die näher bei -1 liegen. Diese Heatmap ist über die Diagonale symmetrisch, da die Korrelation zwischen der Droge i und der Droge j dieselbe ist wie die Korrelation zwischen der Droge j und der Droge i. Die Diagonale ist nicht eingezeichnet, um zu vermeiden, dass ein Deckeneffekt die Abbildung verzerrt. Die Reihenfolge der Substanzen auf der x- und y-Achse ist gleich. Die Reihenfolge der Substanzen auf der x-Achse ist die gleiche wie auf der y-Achse. Diese Anordnung wurde gewählt, um Paare von Drogen mit ähnlichen Korrelationen zu gruppieren.

Es sind drei große Cluster zu erkennen. Auf der horizontalen Achse von links nach rechts beginnt ein Cluster mit Pramipexol und endet mit Butalbital. Diese Gruppe enthält Substanzen, die gemeinhin als Nootropika (Pramipexol, Ginko, Levomethamphetamin) oder Cathinone (Badesalze; Pentylon, Butyron, Naphyron) bezeichnet werden. Die nächste Gruppe beginnt mit Modafinil und endet mit Chaliponga. Es enthält halluzinogene Pflanzen (Zacatechichi, Chaliponga) und Psychopharmaka (Venlafaxin, Olanzipin). Der dritte Cluster enthält Stimulanzien (Koffein, Kokain, Nikotin, Methylphenidat) und halluzinogene Pflanzen. Das meist blaue Quadrat unten links zeigt an, dass Verbindungen aus dem ersten Cluster (Nootropika und Cathinone) selten mit Verbindungen aus dem dritten Cluster (Stimulanzien und bestimmte halluzinogene Pflanzen) diskutiert werden. Eine negative Korrelation (blaue Farbe) zwischen zwei Substanzen bedeutet, dass bei Erwähnung der ersten Substanz die zweite Substanz seltener erwähnt wird. Es bedeutet nicht, dass bei der Erwähnung einer Substanz die Vermeidung der zweiten Substanz explizit diskutiert wird.

Der Begriff Piper bezieht sich wahrscheinlich auf Piper methysticum, eine Quelle von Kava, einem pflanzlichen Anxiolytikum (31). Piper kann sich auch auf Phenylpiperazine beziehen, eine neue Klasse von Stimulanzien, die als Alternative zu Badesalzen vermarktet werden (32). Huperzin ist ein Acetylcholinesterase-Hemmer, der als Nootropikum (kognitiver Verstärker) vermarktet wird, obwohl Studien am Menschen nur minimale Wirkungen zeigen (33).

Abbildung 2 zeigt die Stichhaltigkeit dieses Ansatzes zur Toxikosurveillance und liefert neue Erkenntnisse. Koffein ist ein häufiger Verfälscher in Kokainproben (34, 35). Diejenigen, die Kokain konsumieren, konsumieren mit größerer Wahrscheinlichkeit auch Nikotin und Koffein (36).

Die Korrelation zwischen den Erwähnungsmustern von Pentylon, Butylon und Naphyron (obere linke Gruppe) spiegelt wahrscheinlich Diskussionen über die relativen Wirkungen der einzelnen Substanzen wider, obwohl sie möglicherweise nicht gemeldete Konsummuster widerspiegeln. Ein neues Ergebnis ist, dass in Diskussionen, in denen bk-MDMA (auch Methylon genannt), ein weiteres Cathinon, erwähnt wurde, signifikant häufig Methamphetamin und Halluzinogene (Bufotenin, Mimosa) genannt wurden, nicht aber andere Badesalze. Amphetamine sind eine häufige Verunreinigung von Badesalzen (37).

Einige gemeldete Konsummuster werden hier nicht beobachtet. Abbildung 2 zeigt keine signifikanten Wechselwirkungen zwischen Monoaminoxidase-Hemmern (MAOI) und Tryptaminderivaten wie Dimethyltryptamin. Monoaminoxidase-Hemmer (MAOIs) verstärken Dimethyltryptamin, indem sie den Metabolismus von DMT im Magen-Darm-Trakt verhindern (25). Mimosa (38) und Chaliponga (39) sind pflanzliche Quellen von DMT. Ayahuasca ist eine DMT-Quelle, die bei religiösen Zeremonien in Südamerika und zunehmend auch in den Vereinigten Staaten verwendet wird (40). Harmalin ist ein β-Carbolin RIMA (reversibler Inhibitor der Monoaminoxidase A (41)). Vielleicht weil die Kombination von MAOIs und Halluzinogenen beschrieben wurde (42), wird das Thema in Online-Foren als bekannt vorausgesetzt. Oder das Thema wird in anderen Foren stärker diskutiert.

Um die Muster der gemeinsamen Einnahme über verschiedene Klassen hinweg zu ermitteln, werden in Abbildung 3 die Nennungen von Substanzen nach Klassen gruppiert. Die am häufigsten erwähnten Klassen sind Beruhigungsmittel, Halluzinogene und Stimulanzien, gefolgt von Nootropika, Psychopharmaka und Anticholinergika. Für die Zwecke von Abbildung 3 wurde jede Droge nur einer Klasse zugeordnet. In Wirklichkeit kann eine Droge mehrere Wirkungen haben, die sich nur in verschiedenen Dosen unterschiedlich auswirken. Wir haben uns für die Klasse entschieden, die die Wirkungen der Drogen bei den üblicherweise eingenommenen Dosen widerspiegelt. So würden wir zum Beispiel Diphenhydramin (Benadryl) als Antihistaminikum einstufen, obwohl es in höheren Dosen ein Anticholinergikum ist. Wir waren nicht in der Lage, Dosierungsinformationen zu extrahieren, um die Klassifizierung weiter zu unterstützen.

Abbildung 3
www.frontiersin.org

Abbildung 3. Heatmap der Substanz-Substanz-Koordinationen nach Klasse. Jedes Kästchen steht für ein Paar von Stoffklassen. Die Beschriftungen auf der x- und y-Achse geben die Stoffklassen an, die mit jedem Kästchen verbunden sind. Die Farbe des Kästchens zeigt die absolute Häufigkeit der Erwähnungen gemäß der Farbskala unten rechts an.

Um Muster des Substanzkonsums zu ermitteln, die mehr als zwei Substanzen umfassen, haben wir ein soziales Netzwerk von Drogen (Abbildung 4) wie folgt konstruiert. Wir haben eine Verbindung zwischen zwei Drogen hergestellt, wenn diese beiden Drogen eine signifikante Korrelation aufwiesen. Wir stellten diese Verbindung grafisch als Linie dar. Die Breite der Linie spiegelt die Stärke der Korrelation wider. Durch Zusammenfügen dieser paarweisen Verbindungen entsteht ein größeres Netzwerk wie folgt. Droge A entwickelt eine indirekte Verbindung zu Droge C über Droge B, wenn die Muster der Erwähnung von Droge A und Droge B sowie die Muster der Erwähnung von Droge B und Droge C korreliert sind.

Abbildung 4
www.frontiersin.org

Abbildung 4. Soziales Netzwerk von Drogendiskussionen. Jeder Knoten (Text) stellt eine Substanz dar. Jede Kante (Verbindungslinie) stellt die Korrelation zwischen den Erwähnungen der beiden verbundenen Substanzen dar. Je dicker die Linie, desto stärker die Korrelation.

Wir haben sechs Gruppen mit mehr als drei Mitgliedern identifiziert. Wir bezeichnen diese größeren Gruppen als semantische Inseln. Beiträge, die eine Droge in einer semantischen Insel erwähnen, erwähnen in der Regel nur Substanzen aus derselben Insel, wenn sie mehr als eine Substanz erwähnen. In der Mitte oben befindet sich eine Opioid-Insel. Im Uhrzeigersinn gibt es eine Stimulanzien-Insel (Koffein ist der Knotenpunkt), eine SSRI-Insel (Paroxetin ist der Knotenpunkt), eine Pflanzen-Halluzinogen-Insel (DMT und Mimosa sind die Knotenpunkte), eine synthetische Halluzinogen-Insel (LSD und Sound sind die Knotenpunkte) und eine Benzodiazepin-Insel.

Die SSRI-Insel wird von Citalopram, Sertralin, Paroxetin, Fluoxetin und Venlafaxin gebildet. In der SSRI-Insel bildet Paroxetin den Knotenpunkt, der direkt mit jedem anderen Mitglied der Insel verbunden ist. Eine Interpretation dieser Anordnung ist, dass Paroxetin (Handelsname Paxil) einen Bezugsrahmen für die Bewertung anderer SSRIs bildet.

Bei den synthetischen Halluzinogenen ist LSD ein Knotenpunkt, der zwei Teilinseln überbrückt. Die linke Unterinsel der Halluzinogeninsel enthält Substanzen, die kanonisch als anticholinergisch gelten. Hyoscin und Hyoscyamin sind Tropanalkaloide, die im Stechapfel vorkommen. Die rechte Teilinsel enthält Amphetaminderivate wie MDMA und die MDMA-Derivate (Badesalze), bk-MDMA (β-Keto-MDMA; Methylon) und bk-MDEA (Ethylon).

Der Dreiklang aus Ethanol, Kalmus und Thujon spiegelt die Diskussion über Absinth wider, dem halluzinogene Eigenschaften zugeschrieben wurden. Man nahm an, dass die Reifung von Alkohol in Wermut die Lösung mit α-Thujon anreichern würde. Calamus, das sich auf Acorus calamus bezieht, wurde ebenfalls als halluzinogener Bestandteil von Absinth angesehen.

Der Dreiklang aus Armodafanil, Modafinil und Adrafinil spiegelt die Diskussionen darüber wider, wie man Modafinil ohne Rezept erhalten kann. Modafinil (Handelsname Provigil) und Armodafinil (Handelsname Nuvigil) sind derzeit in den Vereinigten Staaten nur auf Rezept erhältlich. Adrafinil wird in Modafinil umgewandelt und gilt in den USA nicht als kontrollierte Substanz.

Die Verbindung zwischen Niacin und GABA bezieht sich auf anekdotische Berichte, wonach die kombinierte orale Verabreichung von Niacin und GABA die Menge an GABA erhöht, die die Blut-Hirn-Schranke überwindet. Soweit den Autoren bekannt ist, gibt es dazu keine von Experten begutachteten Berichte. Ebenso wenig gibt es Berichte über die Kombination von Pramipexol (einem Dopaminagonisten) mit Nefazodon (einem SSRI).

Diskussion

Diese Studie stellt die erste formale Analyse von Diskussionsmustern in Online-Foren dar, die Muster des gemeinsamen Konsums von Substanzen beschreiben. Unser Ziel war es, gleichzeitig die Gültigkeit der Nutzung von Internetforen für die syndromale Überwachung zu demonstrieren und neue Substanz-Substanz-Ko-Kommentare zu entdecken. Unsere Analyse von Lycaeum ergab 183 Kombinationen. Von diesen Kombinationen wurden 44 noch nie direkt untersucht, sie ähneln jedoch Kombinationen, die bereits untersucht wurden. Drei Kombinationen, nämlich Nefazodon und Pramipexol, Zacatechichi (Beifuß) und Skullcap sowie Niacin und GABA, sind in der Literatur nicht bekannt.

Wir stellten fest, dass sich die Gespräche, in denen synthetische Halluzinogene erwähnt wurden, tendenziell in solche, die von Amphetamin abgeleitete Halluzinogene erwähnten, und solche, die von Mutterkorn abgeleitet waren, aufteilten. In Gesprächen, in denen synthetische Halluzinogene erwähnt wurden, wurden in der Regel keine pflanzlichen Halluzinogene erwähnt.

Wir fanden auch heraus, dass Badesalze häufig mit Sedativa-Hypnotika und Nootropika diskutiert werden, während kanonischere Stimulanzien mit pflanzlichen Halluzinogenen und Psychopharmaka diskutiert werden. In Diskussionen, in denen Beruhigungsmittel und Hypnotika am häufigsten erwähnt werden, werden auch Halluzinogene und Stimulanzien genannt. Substanzen aller Klassen werden häufig mit MDMA, DMT, Kokain und Atropin verglichen, wenn es darum geht, ihre Wirkungen zu beschreiben.

Diese Studie weist zahlreiche Einschränkungen auf. Sie analysiert die Diskussionsmuster derjenigen, die sich dafür entschieden haben, Informationen über ihre Drogenkonsummuster weiterzugeben. Es liegen keine analytischen Daten vor, die belegen, dass alle gemeinsam erwähnten Substanzen auch gemeinsam eingenommen wurden. In dieser Studie wurde keine detaillierte linguistische Analyse des gesamten Textes durchgeführt. Eine „gemeinsame Erwähnung“ von Droge i und Droge j könnte bedeuten, dass die Droge i und die Droge j eingenommen werden, dass die gemeinsame Einnahme beider Substanzen vermieden wird oder dass die eine Substanz konsumiert wird, die andere jedoch nicht. Wir haben nach expliziten Erwähnungen jeder Substanz gesucht.

Es ist möglich, dass Beiträge die Erwähnung des Konsums mit Slang verschleiern, selbst in Online-Foren, die sich der Diskussion über neue psychoaktive Substanzen widmen. Nach Kenntnis der Autoren gibt es kein umfassendes oder unabhängig validiertes Wörterbuch der Umgangssprache für neue psychoaktive Substanzen. Wir haben versucht, das Vokabular durch manuelle Bearbeitung zu standardisieren. Das in Abbildung 2 verwendete Klassifizierungssystem weicht von den anerkannten Best Practices der biomedizinischen Ontologie ab. Beispielsweise schließen sich die Begriffe anticholinergisch und kontaminierend nicht gegenseitig aus und beschreiben Eigenschaften auf unterschiedlichen Abstraktionsebenen. Der erste Begriff beschreibt eine Bindungseigenschaft der Chemikalie. Der zweite Begriff beschreibt eine Eigenschaft, die eine Substanz aufgrund ihrer Lage hat. Der Begriff Citalopram ist keine Eigenschaft, sondern ein Stoff. Das Klassifizierungssystem vereinfacht auch die Tatsache, dass viele NPS an viele Rezeptoren binden und aktive Metaboliten haben. Wir haben dieses einfache Klassifizierungssystem gewählt, um die von Klinikern verwendete Kategorisierung widerzuspiegeln. Nachfolgende Untersuchungen, die darauf abzielen, Daten aus sozialen Medien mit bestehenden Wissensbeständen zu verknüpfen, müssen möglicherweise eine formalere und logisch konsistente Darstellung des Wissens in diesem Bereich entwickeln.

Die Textanalyse ist auch insofern begrenzt, als nicht versucht wurde, Rückschlüsse darauf zu ziehen, warum in den Beiträgen ein Substanzpaar gegenüber einem anderen ausgewählt wurde. Vielleicht könnten ausgefeiltere Techniken der natürlichen Sprachverarbeitung oder der künstlichen Intelligenz solche latenten Variablen aufdecken.

Beiträge der Autoren

MC schrieb die Software zur Analyse der Daten von Lycaeum, kuratierte einige Drogenkategorien manuell, schrieb und redigierte das Manuskript. DY schrieb die Software zur Erfassung der Daten von Lycaeum und kuratierte einige Arzneimittelkategorien manuell. AM leistete Hilfestellung bei der Analyse der Daten und half bei der Überarbeitung des Manuskripts.

Erklärung zu Interessenkonflikten

Die Autoren erklären, dass die Forschung in Abwesenheit von kommerziellen oder finanziellen Beziehungen durchgeführt wurde, die als potenzieller Interessenkonflikt ausgelegt werden könnten.

Danksagung

Die Autoren möchten dem Verwaltungspersonal der NewYork Presbyterian\Queens und der Bronx High School of Science ihren Dank aussprechen.

1. Orsolini L, Papanti D, Vecchiotti R, Valchera A, Corkery J, Schifano F. Novel psychoactive substances. 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. Weitergabe von Informationen über psychoaktive Substanzen durch innovative Drogenkonsumenten. 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. Emerging drugs of abuse. 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‘: synergistischer diskriminierender Effekt von LSD und 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 und Ecstasy: Pharmakologie, Phänomenologie und Behandlung. 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‘)-Konsum im Zusammenhang mit polyvalentem Drogenmissbrauch: ein Bericht über 150 Patienten. 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. Prevalence and patterns of polysubstance use in a nationally representative sample of 10th graders in the United States. 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. Signs & symptoms of dextromethorphan exposure from 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. Epidemiologie aus Tweets: Schätzung des Missbrauchs von verschreibungspflichtigen Opioiden in den USA aus sozialen Medien. 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. Psychological language on twitter predicts county-level heart disease mortality. Psychol Sci (2015) 26(2):159-69. doi:10.1177/0956797614557867

PubMed Abstract | CrossRef Full Text | Google Scholar

13. Halpern JH, Pope HG Jr. Hallucinogens on the internet: a vast new source of underground drug information. 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. Python Language Reference Manual. Bristol: Network Theory (2003).

Google Scholar

15. Myers D, McGuffee JW. Choosing scrapy. 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. High-Frequency binaural beats increase cognitive flexibility: evidence from dual-task crosstalk. Front Psychol (2016) 7:1287. doi:10.3389/fpsyg.2016.01287

PubMed Abstract | CrossRef Full Text | Google Scholar

19. López-Caballero F, Escera C. Binaural beat: a failure to enhance EEG power and emotional arousal. 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 occurring 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. Prävalenz und Korrelate des gleichzeitigen Konsums von verschreibungspflichtigen Beruhigungsmitteln und anderen psychoaktiven Substanzen durch High-School-Senioren in den USA: Ergebnisse einer nationalen Umfrage. Addict Behav (2016) 52:8-12. doi:10.1016/j.addbeh.2015.08.002

CrossRef Full Text | Google Scholar

22. Solursh LP, Clement WR. Die Verwendung von Diazepam bei halluzinogenen Drogenkrisen. 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. Hallucinogenic Mushrooms. Clin Pediatr (1988) 27(2):70-3. doi:10.1177/000992288802700202

PubMed Abstract | CrossRef Full Text | Google Scholar

27. Hofmann A. Teonanácatl und ololiuqui, zwei alte magische Drogen aus Mexiko. Bull Narc (1971) 23(1):3-14.

Google Scholar

28. Power M. Drugs 2.0: The Web Revolution That’s Changing How the World Gets High. New York, NY: Portobello Books (2014).

Google Scholar

29. Thomas H. Psychiatric symptoms in cannabis users. 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. Spice drugs are more than harmless herbal blends: a review of the pharmacology and toxicology of synthetic cannabinoids. 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. Methylon und mCPP, zwei neue Drogen des Missbrauchs? 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. Huperzine A for Alzheimer’s disease: a systematic review and meta-analysis of randomized clinical trials. 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. Koffein und andere Verfälschungsmittel bei Sicherstellungen von Straßenkokain in Brasilien. 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. Analysis of illicit cocaine and heroin samples seized in Luxembourg from 2005-2010. 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. Nikotin- und Koffeinkonsum bei kokainabhängigen Personen. 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. The toxicology of bath salts: a review of synthetic cathinones. 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. 8. Internationales Symposium über giftige Pflanzen (ISOPP8). Joâo Pessoa, Paraiba, Brasilien: 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. Ayahuasca-Exposition: deskriptive Analyse der Anrufe bei den us-amerikanischen Giftnotrufzentralen von 2005 bis 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: Humanpharmakologie von oralem DMT plus Harmin. 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. Neuartige psychoaktive Substanzen: die Pharmakologie von Stimulanzien und Halluzinogenen. Expert Rev Clin Pharmacol (2016) 9(7):943-54. doi:10.1586/17512433.2016.1167597

PubMed Abstract | CrossRef Full Text | Google Scholar

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.