Medications in the first trimester of pregnancy: most common exposures and critical gaps in understanding fetal risk
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: To determine which medications are most commonly used by women in the first trimester of pregnancy and identify the critical gaps in information about fetal risk for those medications. METHODS: Self-reported first-trimester medication use was assessed among women delivering liveborn infants without birth defects and serving as control mothers in two large case-control studies of major birth defects. The Teratology Information System (TERIS) expert Advisory Board ratings of quality and quantity of data available to assess fetal risk were reviewed to identify information gaps. RESULTS: Responses from 5381 mothers identified 54 different medication components used in the first trimester by at least 0.5% of pregnant women, including 31 prescription and 23 over-the-counter medications. The most commonly used prescription medication components reported were progestins from oral contraceptives, amoxicillin, progesterone, albuterol, promethazine, and estrogenic compounds. The most commonly used over-the-counter medication components reported were acetaminophen, ibuprofen, docusate, pseudoephedrine, aspirin, and naproxen. Among the 54 most commonly used medications, only two had "Good to Excellent" data available to assess teratogenic risk in humans, based on the TERIS review. CONCLUSIONS: For most medications commonly used in pregnancy, there are insufficient data available to characterize the fetal risk fully, limiting the opportunity for informed clinical decisions about the best management of acute and chronic disorders during pregnancy. Future research efforts should be directed at these critical knowledge gaps.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle