Smoking cessation in pregnancy: An update for maternitycare practitioners
Notice bibliographique
Résumé
INTRODUCTION: This paper provides an up-to-date summary of the effects of smoking in pregnancy as well as challenges and best practices for supporting smoking cessation in maternity care settings. METHODS: We conducted a qualitative review of published peer reviewed and grey literature. RESULTS: There is strong evidence of the effects of maternal tobacco use and secondhand smoke exposure on adverse pregnancy outcomes. Tobacco use is the leading preventable cause of miscarriage, stillbirth and neonatal deaths, and evidence has shown that health effects extend into childhood. Women who smoke should be supported with quitting as early as possible in pregnancy and there are benefits of quitting before the 15th week of pregnancy. There are a variety of factors that are associated with tobacco use in pregnancy (socioeconomic status, nicotine addiction, unsupportive partner, stress, mental health illness etc.). Clinical-trial evidence has found counseling, when delivered in sufficient intensity, significantly increases cessation rates among pregnant women. There is evidence that the use of nicotine replacement therapy (NRT) may increase cessation rates, and, relative to continued smoking, the use of NRT is considered safer than continued smoking. The majority of women who smoke during pregnancy will require support throughout their pregnancy, delivered either by a trained maternity care provider or via referral to a specialized hospital or community quit-smoking service. The 5As (Ask, Advise, Assess, Assist, Arrange) approach is recommended for organizing screening and treatment in maternity care settings. Additionally, supporting smoking cessation in the postpartum period should also be a priority as relapse rates are high. CONCLUSIONS: There have been several recent updates to clinical practice regarding the treatment of tobacco use in pregnancy. It is important for the latest guidance to be put into practice, in all maternity care settings, in order to decrease rates of smoking in pregnancy and improve pregnancy outcomes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,006 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».