Motor vehicle crashes during pregnancy and cerebral palsy during infancy: a longitudinal cohort analysis
Notice bibliographique
Résumé
OBJECTIVES: To assess the incidence of cerebral palsy among children born to mothers who had their pregnancy complicated by a motor vehicle crash. DESIGN: Retrospective longitudinal cohort analysis of children born from 1 April 2002 to 31 March 2012 in Ontario, Canada. PARTICIPANTS: Cases defined as pregnancies complicated by a motor vehicle crash and controls as remaining pregnancies with no crash. MAIN OUTCOME: Subsequent diagnosis of cerebral palsy by age 3 years. RESULTS: A total of 1 325 660 newborns were analysed, of whom 7933 were involved in a motor vehicle crash during pregnancy. A total of 2328 were subsequently diagnosed with cerebral palsy, equal to an absolute risk of 1.8 per 1000 newborns. For the entire cohort, motor vehicle crashes correlated with a 29% increased risk of subsequent cerebral palsy that was not statistically significant (95% CI -16 to +110, p=0.274). The increased risk was only significant for those with preterm birth who showed an 89% increased risk of subsequent cerebral palsy associated with a motor vehicle crash (95% CI +7 to +266, p=0.037). No significant increase was apparent for those with a term delivery (95% CI -62 to +79, p=0.510). A propensity score-matched analysis of preterm births (n=4384) yielded a 138% increased relative risk of cerebral palsy associated with a motor vehicle crash (95% CI +27 to +349, p=0.007), equal to an absolute increase of about 10.9 additional cases per 1000 newborns (18.2 vs 7.3, p=0.010). CONCLUSIONS: Motor vehicle crashes during pregnancy may be associated with an increased risk of cerebral palsy among the subgroup of cases with preterm birth. The increase highlights a specific role for traffic safety advice in prenatal care.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».