Schizophrenia around the time of pregnancy: leveraging population-based health data and electronic health record data to fill knowledge gaps
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Research in schizophrenia and pregnancy has traditionally been conducted in small samples. More recently, secondary analysis of routine healthcare data has facilitated access to data on large numbers of women with schizophrenia. AIMS: To discuss four scientific advances using data from Canada, Denmark and the UK from population-level health registers and clinical data sources. METHOD: Narrative review of research from these three countries to illustrate key advances in the area of schizophrenia and pregnancy. RESULTS: Health administrative and clinical data from electronic medical records have been used to identify population-level and clinical cohorts of women with schizophrenia, and follow them longitudinally along with their children. These data have demonstrated that fertility rates in women with schizophrenia have increased over time and have enabled documentation of the course of illness in relation with pregnancy, showing the early postpartum as the time of highest risk. As a result of large sample sizes, we have been able to understand the prevalence of and risk factors for rare outcomes that would be difficult to study in clinical research. Advanced pharmaco-epidemiological methods have been used to address confounding in studies of antipsychotic medications in pregnancy, to provide data about the benefits and risks of treatment for women and their care providers. CONCLUSIONS: Use of these data has advanced the field of research in schizophrenia and pregnancy. Future developments in use of electronic health records include access to richer data sources and use of modern technical advances such as machine learning and supporting team science.
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.
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 | 0,000 |
| 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 | 0,001 | 0,001 |
| 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 découle