Is Breast Best? Examining the effects of alcohol and cannabis use during lactation
Notice bibliographique
Résumé
Maternal drug use during lactation may have adverse effects on the health of their children. Two common drugs used during this period are alcohol and cannabis. A literature search was conducted using PubMed, CINAHL, Nursing and Allied Health, and Google Scholar with the following search terms: marijuana, cannabis, THC, alcohol, ethanol, breastfeeding, lactation, and breastmilk. The search strategy was restricted to papers since the year 2000, and limited to English language journals. Reference lists were also used to capture any articles that were missed from the database searches. In total, 19 articles were found related to alcohol and breastfeeding (n = 17 original research papers; n = 2 systematic reviews), and 4 articles were specific to cannabis (n = 2 original papers; n = 2 systematic reviews). The most common outcomes associated with alcohol consumption and breastfeeding included changes in sleep patterns, reduced milk production and flow, lower milk intake, and impaired immune function. Maternal outcomes related to cannabis consumption included panic attacks, delayed response time, increased heart rate, reduced short-term memory, dizziness, and impaired motor performance; infant outcomes associated with maternal cannabis use and breastfeeding were reduced muscular tonus, poor sucking, and growth delay and restriction. Mothers should be advised to refrain from substance use during the lactation period for the health and safety of their children.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».