Predictors of drug use during pregnancy: The relative effects of socioeconomic, demographic, and mental health risk factors
Notice bibliographique
Résumé
BACKGROUND: With limited Canadian research on predictors of drug use during pregnancy, the primary objective was to assess the relative effects of socioeconomic, demographic, and mental health risk factors associated with drug use during pregnancy. Predictors of an Apgar score < 7 and fetal macrosomia were examined as secondary outcomes. METHODS: This retrospective cohort study consisted of 25,734 pregnant women from Southwestern Ontario. Data were prospectively obtained from perinatal and neonatal databases at a tertiary hospital in London, Ontario. Using a Geographic Information System, neighborhood-level socioeconomic variables were obtained by mapping maternal postal codes. Separate logistic regressions were computed for all outcome variables. RESULTS: The rates of alcohol, tobacco, and cannabis use during pregnancy were 1.9%, 16.2%, and 2.3%, respectively. The mean maternal age was 29.4±5.4 years. Maternal age was inversely associated with alcohol, tobacco and cannabis use, whereas lone-parent household, depression, and anxiety increased the odds of substance use. Depression was the top risk factor of all three substances. Compared to women who were not depressed during pregnancy, women who were depressed were 2.15 times more likely to use alcohol (95% CI: 1.60, 2.90), 1.70 times more likely to smoke tobacco (95% CI: 1.48, 1.95), and 2.56 times more likely to use cannabis (95% CI: 1.95, 3.35). Adverse birth outcomes were also associated with overweight and obesity, gestational diabetes and insulin-dependent diabetes. CONCLUSIONS: Maternal depression is the primary risk factor of drug use during pregnancy. Policy interventions that target at-risk women are important considerations to improve maternal mental health.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 ».