Impact of Prenatal Exposure to Opioids, Cocaine, and Cannabis on Eye Disorders in Children
Notice bibliographique
Résumé
OBJECTIVES: Prenatal substance exposure is associated with abnormal visual evoked potentials in offspring, but whether ocular abnormalities are present past infancy is unclear. We determined the association between prenatal substance exposure and hospitalizations for eye disorders in childhood. METHODS: We conducted a longitudinal cohort study of 794,099 infants born between 2006 and 2016 in all hospital centers in Quebec, Canada. We identified infants prenatally exposed to opioids, cocaine, cannabis, and other illicit substances and followed them over time to assess eye disorders that required in-hospital treatment, including retinal detachment and breaks, strabismus, and other ocular pathologies. We calculated incidence rates and hazard ratios (HR) with 95% confidence intervals (CI) for the association of prenatal substance exposure with risk of eye disorders, adjusted for patient characteristics. RESULTS: Infants exposed to substances prenatally had a higher incidence of hospitalizations for eye disorders compared with unexposed infants (47.0 vs 32.0 per 10,000 person-years). Prenatal substance exposure was associated with 1.23 times the risk of hospital admission for any eye disorder during childhood compared with no exposure (95% CI 1.04-1.45). Risks were greatest for strabismus (HR 1.55, 95% CI 1.16-2.07) and binocular movement disorders (HR 1.96, 95% CI 1.00-3.83). Opioid use was strongly associated with the risk of ocular muscle disorders (HR 3.15, 95% CI 1.98-5.01). CONCLUSIONS: Prenatal substance exposure is significantly associated with future hospitalizations for eye disorders in childhood. Efforts to minimize substance use in women of reproductive age are needed in light of the current opioid epidemic.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».