Cigarette consumption and biomarkers of nicotine exposure during pregnancy and postpartum
Notice bibliographique
Résumé
Abstract Background and Aims Smokers can regulate their nicotine intake by altering the number of cigarettes smoked per day (CPD) and their smoking intensity. The current study aimed to compare the utility of self‐reported CPD, total nicotine equivalents (TNE) and urinary cotinine to estimate nicotine intake during pregnancy. Design Longitudinal smoking behavior and biomarker data were collected at early pregnancy, late pregnancy and at postpartum as part of a smoking cessation trial to examine voucher‐based incentives for decreasing smoking. Setting Obstetric practices in Burlington, Vermont, United States. Participants A subset of participants ( n = 47) from the parent trial, recruited between December 2006 and June 2012, who provided a urine sample at each assessment during early pregnancy, late pregnancy and postpartum. Measurements Smoking was assessed using self‐reported CPD, TNE, TNE/CPD and urinary cotinine. Findings Pregnant smokers reported smoking 10.4 CPD at early pregnancy, 7.2 CPD at late pregnancy (a 31% reduction at late pregnancy, P = 0.001) and 8.6 CPD at postpartum (a 19% increase from late pregnancy, P = 0.08). TNE exposure was 41% ( P = 0.07) and 48% ( P = 0.03) lower at early and late pregnancy, respectively, compared to postpartum. TNE/CPD was on average 167% higher at late pregnancy compared to early pregnancy ( P = 0.01) and remained high at postpartum, where it was 111% higher compared to early pregnancy ( P = 0.007). Uriniary cotinine underestimated nicotine intake by 55% during early pregnancy and by 65% during late pregnancy compared to postpartum ( P interaction < 0.001); the underestimation was greater in slower ( P interaction < 0.001) versus faster ( P interaction = 0.04) nicotine metabolizers. Conclusions Neither cigarettes smoked per day (CPD) nor cotinine provides an accurate estimate of nicotine exposure during pregnancy. CPD underestimates nicotine intake substantially due to under‐reporting and/or higher intensity of smoking, while cotinine underestimates nicotine intake markedly due to accelerated nicotine (and cotinine) metabolism during pregnancy.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 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 ».