Patterns of medication use before, during and after pregnancy in women with systemic lupus erythematosus: a population-based cohort study
Notice bibliographique
Résumé
OBJECTIVES: This study aimed to characterize the patterns of medication use before, during and after pregnancy in a population-based cohort of women with systemic lupus erythematosus (SLE). METHODS: Using population-based administrative data in British Columbia, Canada, with valid information on start date of pregnancy, we identified women with SLE who had singleton pregnancies ending in deliveries between January 1, 2002, and December 31, 2012. We assessed the proportion of SLE pregnancies exposed to SLE medications - namely antimalarials and immunosuppressants - as well as glucocorticosteroids, and nonsteroidal anti-inflammatory drugs (NSAIDs) 24 months before pregnancy, each trimester of pregnancy, and 12 months postpregnancy. We also assessed discontinuation of antimalarials and immunosuppressants, defined as no prescriptions in a given window following a prescription in a preceding window. RESULTS: Of 376 pregnancies (284 women) with SLE, 24.2% had one or more dispensing for antimalarials, 8.2% for azathioprine, 19.7% for glucocorticosteroids and 4.8% for NSAIDs during pregnancy. We observed a 16.7% discontinuation of antimalarials in the year prior to pregnancy, 29.8% in the first trimester, 9.7% in the second trimester, and 26.0% in the third trimester. We also observed a 29.2% discontinuation of azathioprine in the first trimester, 8.0% in the second trimester, and 9.1% in the third trimester. CONCLUSIONS: These population-based data show frequent discontinuation of medications, particularly antimalarials, in SLE pregnancies. These findings suggest the importance of educating women with SLE who are pregnant or planning to become pregnant on the benefits and risks of medications 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 ».