Springbræt-teorier

Min inspiration til at skrive om emnet kommer fra to avisartikler (denne og denne) hvor man kan læse henholdsvis:

»Det er naivt at tro, at man kan bekæmpe noget som helst med fri hash. Det vil kun medvirke til, at misbruget stiger, og at folk vil begynde at misbruge hårdere stoffer,« siger Pia Kjærsgaard og understreger, at Dansk Folkeparti ikke vil lægge stemmer i Folketinget til at tillade et forsøg med legalisering af hash i København.

»Hvis man legaliserer hash, vil det kunne resultere i, at misbruget af hårdere stoffer vil stige. Hash kan blive det første trin i et misbrugsforløb,« siger Socialdemokraternes sundhedsordfører Flemming Møller Mortensen (S).

Det handler om en type teorier som går ud på at et forbrug af cannabis er et springbræt i en eller anden forstand til et forbrug af hårdere rusmidler. På engelsk kaldes disse for bl.a. "gateway theory", "stepping stone theory", og "escalation theory". På dansk kaldes de også for "vadestensteorier". Kaldes også for karrierehypotesen. Jeg har dog beholdt min metafor om springbrættet.

Kort historie
Disse teorier har en meget tvivlsom historisk oprindelse, som man bl.a. kan læse om på Center for Rusmiddelsforsknings hjemmeside, eller her, eller her. Et enkelt citat fra den danske kilde:

Vadestensteorien blev for første gang introduceret for en større kreds i Danmark i 1945. Som en af datidens største kapaciteter kunne chefen for Københavns Universitets farmakologiske institut, professor, dr. med. Knud O. Møller præsentere offentligheden for følgende oplysning: "Erfaringen har vist, at Brug af Hashish meget ofte fører til Forfaldenhed til endnu mere farlige Rusgifte, specielt Heroin."

Men man kan ikke ud fra en påstands oprindelse slutte sig til påstandens sandhed eller falskhed med sikkerhed. At gøre det ville være at lave en genetisk fejlslutning. Kemi har sin oprindelse i alkymi, astronomi i astrologi, osv. Det ville være en stor fejl at afskrive disse som pseudovidenskabelige af den grund, at de har deres oprindelse i pseudovidenskab. Man bliver altså nødt til at undersøge tingene for at finde ud af hvad der er rigtigt og hvad der er forkert.

Kort forklaring af korrelation og kausalitet
Før at jeg går videre, så er det en god ide at gennemgå forholdet mellem de to begreber. Korrelation (pearson correlation er det man normalt mener) er en statistisk sammenhæng mellem to datasæt, illustreret herunder. En korrelation har altid en værdi på mellem -1 og 1. 1 betyder at der er en perfekt sammenhæng mellem de to datasæt, -1 betyder at der er en perfekt omvendt sammenhæng mellem de to datasæt, og 0 betyder at der ingen sammenhæng er mellem de to datasæt.

Kausalitet (årsagsammenhæng) er når en ting forårsager en anden. Det kan både være af deterministisk natur (forårsager altid det andet) eller statistisk natur (forårsager nogle gange det andet, men ikke altid). Det klassiske eksempel på deterministisk årsagsammenhæng er når man støder til billardkugler. Såfremt at man rammer kuglen med tilstrækkelig kraft, så vil kuglen altid bevæge sig efterfølgende i en forudsigelig retning med en forudsigelig hastighed. Som eksempel på statistisk årsagsammenhæng så kan man tænke på rygning og lungecanser. Selvom ikke alle som får lungecanser får det pga. rygning, så har rygere en 1500% til 3000% større sandsynlighed for at få lungecanser if. Center for Disease Control. De skriver også at rygning forårsager mindst 90% af tilfældene af lungecanser.

Forholdet mellem korrelation og kausalitet
Når journalister skriver om sammenhænge i aviserne, så gør de det ofte ikke klart om der er tale om en statistisk sammenhæng eller en kausalsammenhæng, derfor er det svært at vide hvad de mener, og følgelig hvad der er rigtigt.

Kort fortalt, så er forholdet mellem korrelation og kausalitet det, at hvis A forårsager B, så korrelerer A positivt med B (undtagen hvis der ikke er noget varians i dataen). Dette gælder også hvis B forårsager A, eller hvis A og B forårsager hinanden i et positiv feedback gentagelsessystem. Omvendt, hvis A og B korrelerer, så er det ikke sikkert at nogen af disse forårsager hinanden, men det er muligt. Af denne grund kan man ikke alene pga. korrelationer konkludere at der er en kausalsammenhæng mellem de to ting. Hvis man gør det, så laver man en kausalitetsfejlslutning. Man kan grafisk illustrere (baseret på Wikipedia) de muligheder der er om årsagsammenhængen hvis A og B korrelerer positivt:

To slags springbræt-teorier
Det er brugbart at skelne mellem to hovedtyper af disse teorier, nemlig 1) sociale springbræt-teorier, 2) farmakologiske springbræt-teorier.

Sociale teorier
Ideen er at cannabisforbrug af sociale årsager forårsager at man vil begynde at bruge hårdere rusmidler. Den typiske model er at hvis man forbruger cannabis, så køber man det typisk hos en sælger (en dealer eller pusher). Denne person sælger måske også andre og hårdere rusmidler, og vil måske tilbyde en disse rusmidler. Nogle mennesker som ellers ikke ville opsøge disse rusmidler vil tage imod tilbuddet og derefter starte et forbrug af disse hårdere rusmidler.

Den ovenstående pusher-teori virker naturligvis ikke på folk som gror deres eget cannabis (som derfor ikke skal bruge en pusher), eller folk som handler cannabis på et sted hvor sælgerne ikke sælger andre, hårdere rusmidler. Dette er ofte tilfældet i København pga. Christianias politik om at de ikke vil sælge hårdere rusmidler.

Teorien kan også bruges som begrundelse for at legalisere og regulere salget af cannabis. Dette ville medføre at mange mennesker som kun bruger cannabis, ikke ville blive nødt til at omgås sælgere som også sælger hårdere rusmidler eller bare generelt er kriminelle. Det er denne begrundelse man brugte i Holland da man indførte coffee shops. I disse butikker er salg af andre rusmidler ulovlige, også alkohol. Det er for at undgå sociale springbræt-effekter.

Farmakologiske teorier
Ideen er at forbrug af cannabis på en eller anden måde gør hjernen mere modtagelig overfor andre rusmidler eller gør det nemmere at blive afhængig af andre rusmidler. Teorien lader til at være temmelig spekulativ, men der er blevet lavet nogle dyreforsøg om det som har givet modsigende resultater. Fx kan nævnes et forsøg lavet i Sverige hvor man gav nogle rotter THC (et aktivt stof i cannabis) og andre ikke, og gav begge rottegrupper mulighed for at selv-administere heroin. Det viste at rotterne som fik THC selv-administrerede mere heroin. Måske. Studiet er temmelig tvivlsomt og har en størrelse på kun 12 rotter. Det lader også til at forskerne med vilje har forsøgt at hemmeligholde størrelsen på deres sample size, for det er meget svært at finde ud af det ved at læse deres paper. Jeg fandt kun tallet på Wikipedia, og det er svært at se hvor det kommer fra.

Forskerne selv er for overbeviste om hvad deres forsøg med 12 (?) rotter viser:

In summary, the current findings provide direct evidence in support of the gateway hypothesis that adolescent cannabis exposure contributes to greater heroin intake in adulthood. It is important to emphasize that our study does not exclude the contribution of other factors such as genetics, environment, and social issues that could influence the direct neurobiological effects of early THC exposure to either enhance or attenuate the progression to adult drug abuse. Systematic evaluation of these variables is needed to gain greater insight into apparent cannabis gateway effects on adult drug abuse vulnerability. Overall, the present study confirms a neurobiological convergence of the cannabinoid and opioid systems that is apparent on behavioral and molecular levels, suggesting altered hedonic processing in PENK and opioid limbic systems in association with enhanced heroin intake as a consequence of early THC exposure. [min emfase]

De er uklare om hos hvilken art det giver grund til at tro noget. Hos rotter? Hos mennesker? Begge dele? Et forsøg med et meget lille antal rotter er temmelig svært at ekstrapolere (generalisere) til mennesker, som har en meget mere kompliceret adfærd.

Det kan også bemærkes at man gav THC til ret unge rotter, i stedet for voksne rotter. Så tja, det er lidt svært at sige præcis hvad man skal konkludere ud fra det studie. Se også diskussionen af det her.

Studiet er: Ellgren, Maria, Sabrina M. Spano, and Yasmin L. Hurd. "Adolescent cannabis exposure alters opiate intake and opioid limbic neuronal populations in adult rats." Neuropsychopharmacology 32.3 (2006): 607-615.

Hvilken evidens er der for springbræt-teorier?
Udover de nævnte relativt få dyreforsøg (lader til at være primært rotteforsøg), hvilken evidens er der så for springbræt-teorier? Det meste af det lader til at være studier som viser en positiv korrelation mellem forbruget af et rusmiddel og forbruget af et andet rusmiddel. Som vi har set ovenfor i forklaringen om korrelation og kausalitet, så kan man ikke bare sådan uden videre konkludere, at en sådan korrelation skyldes en årsagsammenhæng.

Da avisartiklerne ovenfor handler om cannabis, så lad os fokusere på det til at starte med. Cannabis-springbræt-teorien kan illustrerers således:

Altså, man starter med at bruge cannabis, og det forårsager så at man derefter bruger et hårdere rusmiddel. Hvis dette er tilfældet, så ville man forvente at se en korrelation mellem brugen af cannabis og brugen af hårdere rusmidler. En sådan korrelation findes ganske rigtigt, så det kunne jo være at teorien er rigtig.

Men hvorfor egentlig stoppe ved cannabis? Hvorfor ikke starte endnu tidligere? Man kunne opstille en generel model for springbræt-teorier således:

Typisk set, så er Cannabis jo ikke det første rusmiddel folk prøver. I Danmark er det nok koffein som er det første folk prøver. Det er også verdens mest anvendte rusmiddel. Derefter kommer nok alkohol eller nikotin. Man kunne generelt godt opstille alle rusmidler på en linje alt efter den gennemsnitlige alder hvor folk prøver rusmidlet første gang. Man kunne derefter finde korrelationer mellem folk som har prøvet det ene og det andet stof. Det har man faktisk gjort, i hvert fald har man fundet korrelationer mellem brugen af lovlige rusmidler som nikotin og alkohol, og ulovlige rusmidler som cannabis og heroin:

A growing body of research has described developmental stages of drug use behaviour from adolescence through young adulthood. In general, researchers have found that adolescents tend to use alcohol and/or cigarettes before using marijuana and alcohol and marijuana prior to using other illicit drugs (e.g. Andrews et al., 1991; Brook et al., 1982; Donovan and Jessor, 1983; Kandel, 1980; Kandel and Faust, 1975; Kandel and Yamaguchi, 1993; Welte and Barnes, 1985; Yamaguchi and Kandel, 1984a,b). The same progression has been found in samples of youth in other countries (Adler and Kandel, 1981; Blaze-Temple and Lo, 1992). Guttman scale models have generally been found to fit about 85-90% of the cases.

Although there is variation across studies, particularly as to the importance and place of cigarettes in the sequence, there are two consistent findings. The majority of adolescents who use marijuana have also used alcohol and nearly all adolescents who use illicit drugs other than marijuana have also used marijuana. The proportions of subjects who used other illicit drugs prior to (or without any) marijuana use are for the most part less than 5%.

(fra Mackesy-Amiti, Mary Ellen, Michael Fendrich, and Paul J. Goldstein. "Sequence of drug use among serious drug users: typical vs atypical progression." Drug and Alcohol Dependence 45.3 (1997): 185-196.)

Spørgsmålet er hvad man skal tolke disse data til. De viser i hvert fald ikke i sig selv at der er tale om en årsagssammenhæng, og jeg har aldrig hørt om nogen dansk politiker som vil forbyde alkohol fordi at det er et springbræt til 'hårdere' rusmidler. ("hårdere" er her misvisende, da cannabis nok er mindre skadeligt/farligt end alkohol er, og derfor så hvis alkohol er et springbræt til cannabis, så er det et trin ned af rusmiddelstigen sorteret efter farlighed.)

Det ovenstående viser med tydelighed at man skal have fat i noget bedre data end blot korrelationer mellem brugen af et rusmiddel og brugen af et andet rusmiddel.

En historisk vinkel
Forbruget af forskellige rusmidler har varieret en del gennem tiden. Hvis en teori om at rusmiddel X er et springbræt til det (hårdere) rusmiddel Y, så skulle man gerne se en korrelation mellem disse to således, at når forbruget af X stiger, så stiger forbruget af Y ligeledes med samme faktor, sådan ca.. Problemet er at forbruget af mange rusmidler har en slags naturlig levetid, således at det ser ud til at falde og stige med tiden uden nogen åbenlys forklaring. Som eksempel kan nævnes 1980ernes crack cocaine forbrug, eller tidligere tiders (ryge)opium.

Men samtidig så lader der til at være en slags generel tendens for forbruget af alle rusmidler gennem tiden. Nedenstående viser en graf over forbruget af et par forskellige rusmidler gennem tiden:

(kilde)

Som det kan ses af grafen, så lader der til at være et toppunkt i de tre grafer for alkohol, cannabis, og cocaine omkring 1979. Derimod så lader heroin til at toppe i ca. 1977. Ud fra sådanne grafer, så kunne det godt være at cannabisforbruget forårsagede forbruget af de andre rusmidler undtagen heroin. Men det kræver at effekten er relativt hurtig; Den kan ikke være tidsforskudt med flere år. Det begrænser hvilke springbræt-teorier som kan være rigtige. Hvis man skal være en konsistent springbræt-teoretiker, så bør man vælge alkohol som sit bud på en springbræt-effekt også pga. at folk typisk prøver alkohol før at de prøver cannabis. Nikotin derimod lader ikke til at passe med nogen springbræt-teori, i hvert fald ikke et springbræt til cannabis som jo er mest nærliggende pga. at begge typisk ryges:

(kilde)

Nogle gange lader ecstasy til at falde sammen med de andre rusmidler, og nogle gange ikke:

(kilde)

Cocaine-forbruget steg drastisk fra 1996 og toppede først i 2008. Amfetamine-forbruget steg langsomt men svingende fra 1993 til ca. 2005. Ecstasy begyndte først rigtigt at stige i 2000 og lå stabilt i mange år frem til 2008. Alle de tre normale rusmidler lader til at have tilbagegang fra ca. 2008. Måske det skyldes nyere designer drugs? Der kommer konstant nye rusmidler på gaden nu om dage, og vi aner ikke hvad de gør, hvordan man behandler dem effektivt osv. Hvis bruget af rusmidler er komplementær (mere om det senere) i nogen grad, så passer det fint med at folk bare er skiftet til nogle andre rusmidler fra 2008 og frem.

Generelt er det ikke rigtigt til at blive klog på springbræt-teorier ud fra historiske analyser.

Springbræt-effekter: deterministiske eller statistiske?
Hvis springbræt-effekter findes, er de så deterministiske i natur eller statistiske? Nogle gange hører man deterministiske versioner, altså, påstande om at en enkelt joint får en til at gå besærk. Andre gange, ligesom politikerne i starten af denne artikel, er påstanden af statistisk natur. At ryge cannabis kan få en til at bruge andre rusmidler også. I så fald at der findes en sådan effekt, så er det muligt at finde ud af hvor stærk den i princippet maksimalt kan være givet tallene. Det gør man ved at se på hvor mange som har prøvet cannabis og som også har prøvet andre rusmidler som man mener at cannabis er et springbræt til. Nedenfor ses en oversigt over et datasæt med sådanne tal:

Som det kan ses, så kan man sætte visse begrænsinger på hvor stærk en effekt kan være. Hvis 34% af befolkningen har prøvet cannabis og kun 11% har prøvet fx cocaine, så er den maksimale effekt at ca. en ud af 3 vil prøve cocaine. Tallene er meget mindre for de andre rusmidler. Hvis cannabis får folk til at tage heroin, så er det en temmelig lille del af personerne som udviser en sådan effekt, omkring 1 ud af 30.

En bedre måde at se det på, er at se på folk som har prøvet de specifikke rusmidler, og så se på hvor mange af de andre rusmidler de også har prøvet. I så fald ville man kunne se en maksimal mulig effekt. Jeg har ikke kunnet finde en større oversigt i stil med den ovenstående, men nogle tal herfra at værd at gentage:

Zimmer and Morgan [ZIMMER97] took data relating to a US national survey carried out by the Department of Health and Human Services [HHS95B, HHS96A] and worked out the percentages of cannabis users who also use cocaine. They found that it was only a small minority (28%) of cannabis users that did go on to try cocaine. Even this minority figure is not indicative of users who gain a cocaine habit. The statistics showed that only about 3.5% of these people that had used cocaine were in the position of using cocaine at the time of the survey, and on a regular basis. Thus it was surmised that 'for every one hundred people who have used marijuana, only one is a current regular user of cocaine'. This figure certainly does not imply a gateway effect.

Likewise, data given by the US Department of Health and Human Services, Public Health Service, Alcohol, Drug Abuse, and Mental Health Administration showed that in 1990, 40.7% of high school students had tried cannabis at least once. Only 9.4% has ever tried cocaine, and 1.3% had ever tried heroin (reported in [DEP]). Thus, in the worst case scenario, only 23% of cannabis users went on to try cocaine, and just 3% went on to try heroin.

Effekten er i bedste fald lille, især for andre rusmidler end kokain.

Direkte tests: tvillingestudier
Hvis man ved noget om intelligensforskning, så bør man vide at tvillingestudier er meget brugbare til at finde ud af om en statistisk sammenhæng skyldes genetiske årsager (shared environment), delte miljøårsager eller udelte miljøårsager (non-shared environment). Delt miljø er den del af miljøet som børn har tilfælles i kraft af at bo sammen i et hjem. Det er ting som forældre, opdragelse, forældres socio-økonomiske status, boligtype og den slags. Ikke-delte miljøfaktorer er dem som børn i samme hjem ikke deler. Det kan være specifikke vennegrupper, et specifikt uheld, en sygdom kun det ene barn fik, osv.

Opsætningen for et typisk tvillingestudie er således: Man finder en stor gruppe tvillinger som alle er vokset op sammen. Så finder man ud af hvilke af dem som er en-æggede tvilinger (monozygote, MZ) hvilke der er to-æggede tvillinger (dizygote, DZ). MZ-tvillinger deler alle deres gener med hinanden mens at DZ kun deler 50% (ligesom normale søskende). Derefter så undersøger man forskellen i raterne for et eller andet blandt MZ og DZ-tvillingepar. Hvis den undersøgte ting skyldes (additive) gener alene, så vil man se at MZ-tvillingerne korrelerer 1, mens at DZ-tvillingerne kun korrelerer 0.5. Hvis derimod at begge tvillinge-typer korrelerer 1 så skyldes det kun delt miljø. Hvis korrelationen mellem begge tvillinge-typer er 0 så betyder det at al variansen i det undersøgte skyldes ikke-delte miljøårsager. Typisk så finder man sjældent disse tal, men i stedet et tal et eller andet sted i mellem. Ud fra et sådant resultat kan man beregne hvor stor en del af variationen som bliver forklaret af de forskellige ting.

Der findes faktisk et sådant studie af tvillinger mht. tidlig brug af cannabis (før 18 år) som springbræt til hårdere rusmidler. Studiet bestod af en stor gruppe tvillinger på hhv. 1196 og 934, mænd og kvinder. Effekterne blev udregnet for hver gruppe hver for sig men jeg har slået dem sammen (udregning her). Resultatet viste at ~49% af variationen i forbrug af andre ulovlige rusmidler skyldes fælles gener, ~39% skyldes delt miljø (ikke-cannabis brug, for der var kontrolleret for), og ~12% skyldes ikke-delt miljø. Det betyder at den maksimale springbræteffekt er ~12%, en relativ lille effekt sammenlignet med de andre. Jeg skriver den maksimale fordi at dette kunne være alt muligt som var forskelligt i tvillingernes miljø. Som forfatterne selv skriver:

The discordant twin analyses yielded a very informative pattern ofMZ–DZORs. Discordant DZ twins had ORs significantly greater than discordant MZ twins but lower than the popu- lation ORs. The MZ ORs were greater than 1.0 and this suggests a true causal influence of early cannabis use on the use and abuse/dependence of other illicit drugs. However, this elevation of MZORs could also be due to correlated environ- ments. Overall, our results suggest that a significant proportion of the relationship between early cannabis use and subsequent use or abuse/ dependence of other illicit drugs is due to correlated genetic and environmental factors but we cannot rule out the role of direct causal in- fluences in this relationship.

Issues of causality pose a challenge in the study of genetically informative data. Analysis of data from discordant twin pairs cannot distinguish a truly causal model from a model where the overlap of unique environmental influences across the two drug categories leads to uniformly elevated ORs. For example, im- agine that a certain environmental factor, such as childhood head trauma, causes early canna- bis use and subsequent use of other illicit drugs. Now, consider an MZ twin pair where one member suffers the head trauma but the other member of the twin pair does not. As a conse- quence of the head trauma, the twin with the trauma is predisposed to cannabis use before the age of 18 years as well as other illicit drug use. The member of the twin pair that did not experience the trauma uses neither cannabis nor other illicit drugs. Even though the twins share all their genetic factors, one member of the twin pair did not experience the environmental factor – the head trauma and hence, this MZ twin pair is discordant for early cannabis use. However, when the early cannabis user twin is compared to the non-user co-twin for sub- sequent other illicit drug use, it would seem like the cannabis-using twin has a greater risk for subsequent other illicit drug use than the non-user twin. However, the reason for this in- creased risk is because the cannabis-using twin experienced the head trauma, which influenced both his early cannabis and other illicit drug use (or a common liability to illicit drug use) and not because early cannabis use has a causal impact on subsequent other illicit drug use. This correlated environmental influence cannot be discriminated from a true causal effect within the discordant twin design.

However, it is also possible that the elevation in the MZ OR is due to the causal influence of early cannabis use on the subsequent use or abuse/dependence of other illicit drugs. Theor- etically, the only method that could truly assess the causal impact of early cannabis use on later other illicit drug use is a prospective study that measures environmental factors. Such a study would allow an estimation of common and speci- fic environmental influences on each drug and control for them. However, choice of which en- vironmental factors to measure, how to measure them and the possibility that they are elicited or selected by certain individuals are serious obstacles to such a study.

Altså, ~12% af variantionen i forbrug af cannabis kunne være pga. alt muligt som ikke har noget at gøre med nogen springbræt-effekt. En sådan effekt er dog også mulig, men der er ingen måde at se forskel i dette studie, og det ville være temmelig svært at finde og lave et bedre studie.

Kilde: Agrawal, A. R. P. A. N. A., et al. "A twin study of early cannabis use and subsequent use and abuse/dependence of other illicit drugs." Psychological Medicine 34.7 (2004): 1227-1237.

Komplementær-effekter
I stedet for at et rusmiddel forårsager at man vil bruge et andet rusmiddel, så kunne det være at rusmidlet forårsagede at man undlod at bruge et andet rusmiddel. En antispringbræt-teori. Disse rusmidler ville derfor være komplementære, da man ikke ville bruge begge to, men maks. et af dem. Det henleder tankerne på situationer hvor man har flere alternative rusmidler som giver lign. effekter, men hvor disse har forskellige grad af farlighed/skadelighed. Hvis folk kunne træffe et informeret valg mellem fx krokodil og heroin, så er der nok ikke mange som ville vælge at bruge krokodil.

Hvis man effektivt vil reducere skader i forbindelse med brug af rusmidler, så bør man undersøge om der findes komplementær-effekter, og i så fald forsøge at få folk til at bytte et farligt/skadeligt rusmiddel ud med et mindre farligt/skadeligt rusmiddel. Dette er måske muligt med alkohol (etanol), som som bekendt er ret skadeligt. David Nutt skriver i sin bog:

Another route to explore (which has formed part of my academic re­ search), is investigating less dangerous alternatives to alcohol, to provide some of the pleasurable effects of mild to moderate inebriation without the harms. The active ingredient would probably be a benzodiazepine (there are thousands) which could be produced as a liquid and added to other sorts of flavoured drinks. Ideally, it would be impossible to get drunk on, just producing a moderate buzz with no increase in effects at higher doses. It would also come with an antidote - a "sober pill" that could be popped at the end of the night to reverse the effect of the drug, so that people could get home safely, even if they were driving.

-

We may be able to make better recreational drugs as well. As discussed in chapter 6, I've done some research on replacing ethanol in "alcoholic" drinks with a safer alternative such as a reversible GABA-enhancer, and it may be that by 2030 that's what we'll all be drinking in the pub. An alternative approach is to modify alcohol itself to make it safer and more pleasant. We now know that alcohol works on a set of GABA recep­tors with different functions, and we have started to identify the differ­ ent mechanisms involved. Receptors called Alpha-1 seem to control the sedative effect of alcohol, making you unsteady; +Alpha-5 receptors make you lose your memory; and we think Alpha-2 or Alpha-3 recep­ tors make you feel relaxed and happy. In some very interesting studies, participants were given alcohol with an +inverse agonist that counters alcohol's effects on the Alpha-5 receptor. These participants performed much better on memory tests than those who had had alcohol on its own, showing it is possible to reverse at least one of the effects of alcohol with a drug. In principle, we could make alcohol safer by combining it with a range of inverse agonists that counter its negative effects on the other sorts of GABA receptors, too. It's likely, for example, that if we could find an inverse agonist for Alpha-1 you would be able to drink without becoming unsteady on your feet. Ideally, we would develop a version of alcohol which targets just Alpha-2 or 3, giving us all the sensation of relaxation and enjoyment without the negative effects.

Konklusion
Springbræt-effekter er mulige, men evidensen for dem er ikke overvældende. Men hvis der er springbræt-effekter, så er disse relativt svage i styrke og forklarer maksimalt ~12% af variationen i forbruget af 'hårdere' rusmidler end cannabis. Gener forklarer derimod ~49% af variationen og delt miljø forklarer ~39%.

 

Opdatering 2. dec. 2013

Jeg stødte på denne omtale af springbrætteorien i Behavior Genetics, Plomin et al (2012):

Multivariate genetic analyses indicate that the same genes largely mediate vul­nerability across different drugs, with additive genetic factors explaining more than 60 percent of the common liability to drug dependence (Palmer et al., 2012) but shared environmental influence in adolescence being more drug specific (Young et al, 2006). A systematic review of the literature also supports a common liability to multiple facets of substance dependence, particularly etiological factors, such as genetics (Vanyukov et al., 2012). This common liability model of addiction has gained more consistent support than the gateway hypothesis—the theory that the use of less deleterious drugs may lead to a future risk of using more dangerous hard drugs (Gelernter & Kranzler, 2010; Vanyukov et al., 2012). The gateway hypothesis has been tested using various ap­proaches. A novel method, called Mendelian randomization (Davey Smith & Ebrahim, 2003), uses Mendel’s second law of independent assortment as a means of examining the causal effect of environmental exposure, such as exposure to drugs of abuse. For example, a recent study used this method and the ALDH2gene, which, as described earlier, has a strong effect on alcohol use (Irons, McGue, Iacono, & Oetting, 2007). The essence of the approach is that an ALDH2-normal group and an ALDH2-deficient group should be similar genetically because of Mendelian randomization, except for their ALDH2 genotypic difference. The gateway hypothesis would predict that the ALDH2-deficient genotypic group, which was much less exposed to alcohol, would be less likely to use other drugs if alcohol exposure is a gateway to the use of other drugs. The results of the study strongly disconfirmed this gateway hypothesis because the ALDH2-deficient genotypic group was just as likely to use other drugs despite using alcohol much less than the ALDH2-normal group.