MétaCan
Menu
← Retour à la cohorte
Enregistrement W2891094870 · doi:10.23889/ijpds.v3i4.970

In-Utero SSRI and SNRI Exposure and the Risk of Neurodevelopmental Disorders in Children: A Population-Based Retrospective Cohort Study Utilizing Linked Administrative Data

2018· article· en· W2891094870 sur OpenAlexaffabout
Deepa Singal, Dan Château, Matthew Dahl, Shelley Derksen, Chelsea Ruth, Laurence Y. Katz, Elizabeth Wall‐Wieler, Ana Hanlon‐Dearman, Marni Brownell

Notice bibliographique

RevueInternational Journal for Population Data Science · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueMaternal Mental Health During Pregnancy and Postpartum
Établissements canadiensUniversity of ManitobaManitoba Health
Organismes subventionnairesnon disponible
Mots-clésHazard ratioMedicineAutism spectrum disorderPopulationMoodCohortAttention deficit hyperactivity disorderAnxietyPsychiatryPediatricsProportional hazards modelCohort studyRetrospective cohort studyOffspringPregnancyInternal medicineAutismConfidence interval

Résumé

récupéré en direct d'OpenAlex

IntroductionMany studies demonstrating an association between in utero exposure to serotonergic antidepressants and higher risk of neurodevelopmental disorders in children are confounded by history of maternal depression and disease severity. We conducted a population-based analysis of women diagnosed with mood/anxiety disorder, a patient population for whom pharmacotherapy is clearly indicated. Objectives and ApproachUsing linked population-based administrative data, we identified all mother-newborn pairs in Manitoba (born 1996 to 2009, with follow-up through 2014). High dimensional propensity scores and inverse probability treatment weighting were used to address confounding by indication and disease severity. The final trimmed cohort consisted of mothers who were diagnosed with a mood/anxiety disorder from 90 days prior to conception until delivery (n=4995). Cox Proportional Hazard Regression models were used to estimate risk of Autism Spectrum Disorder, epilepsy and attention deficit hyperactivity disorder (ADHD) in offspring. In addition to clinical data, we used novel education data to define outcomes in children. ResultsAmong the cohort of mothers diagnosed with a mood/anxiety disorder during pregnancy or up to 90 days before, 16.8% received at least two dispensations of an SSRI or SNRI during pregnancy. We did not observe an association between use of SSRIs/SNRIs during pregnancy and increased risk of Autism Spectrum Disorder (hazard ratio 0.92; 95% CI 0.42 to 2.03), epilepsy (hazard ratio 1.21; 95% CI 0.48 to 3.05), or ADHD (hazard ratio 1.13, 95% CI 0.78 to 1.64) among offspring. Conclusion/ImplicationsIn the absence of randomized control trials, large observation studies using sophisticated data analysis are the gold standard of evidence to help patients and clinicians making the decision to continue antidepressant use during pregnancy. Results of this study reassure women for whom the medication is clinically indicated.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,070
Score d'incertitude au seuil0,139

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,387
Écart entre enseignants0,344 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data Science→Même sujetMaternal Mental Health During Pregnancy and Postpartum→Travaux en français237 207→