Prevalence and patterns of alcohol use in pregnancy in remote <scp>W</scp>estern <scp>A</scp>ustralian communities: The <scp>L</scp>ililwan<scp>P</scp>roject
Notice bibliographique
Résumé
INTRODUCTION AND AIMS: Alcohol use in pregnancy is thought to be common in remote Australian communities, but no population-based data are available. Aboriginal leaders in remote Western Australia invited researchers to determine the prevalence and patterns of alcohol use in pregnancy within their communities. DESIGN AND METHODS: A population-based survey of caregivers of all children born in 2002/2003 and living in the Fitzroy Valley in 2010/2011 (n = 134). Alcohol use risk was categorised using the Alcohol Use Disorders Identification Test consumption subset (AUDIT-C) tool. Birth and child outcomes were determined by interview, medical record review and physical examination. RESULTS: 127/134 (95%) eligible caregivers participated: 78% were birth mothers, 95% were Aboriginal and 55% reported alcohol use in index pregnancies; 88% reported first trimester drinking and 53% drinking in all trimesters. AUDIT-C scores were calculated for 115/127 women, of whom 60 (52%) reported alcohol use in pregnancy. Of the 60 women who drank (AUDIT-C score ≥ 1), 12% drank daily/almost daily, 33% drank 2-3 times per week; 71% drank ≥ 10 standard drinks on a typical occasion; 95% drank at risky or high-risk levels (AUDIT-C score ≥ 4). Mean AUDIT-C score was 8.5 ± 2.3 (range 2-12). The most common drinking pattern was consumption of ≥ 10 standard drinks either 2-4 times per month (27%) or 2-3 times per week (27%). DISCUSSION AND CONCLUSIONS: High-risk alcohol use in pregnancy is common in remote, predominantly Aboriginal communities in north western Australia. Prevention strategies to reduce prenatal alcohol use are urgently needed.
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.
Comment cette classification a été obtenuedéplier
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».