Identification of Prenatal Opioid Exposure Within Health Administrative Databases
Notice bibliographique
Résumé
BACKGROUND: Health administrative data offer a vital source of data on maternal prenatal opioid exposure (POE). The impact of different methods to estimate POE, especially combining maternal and newborn records, is not known. METHODS: This population-based cross-sectional study included 454 746 hospital births with linked administrative data in Ontario, Canada, in 2014-2017. POE ascertainment included 3 sources: (1) prenatal opioid prescriptions, (2) maternal opioid-related hospital records, and (3) newborn hospital records with neonatal abstinence syndrome (NAS). Positive percent agreement was calculated comparing cases identified by source, and a comprehensive method was developed combining all 3 sources. We replicated common definitions of POE and NAS from existing literature and compared both number of cases ascertained and maternal socio-demographics and medical history using the comprehensive method. RESULTS: Using all 3 data sources, there were 9624 cases with POE (21.2 per 1000 births). Among these, positive percent agreement (95% confidence interval) was 79.0% (78.2-79.8) for prenatal opioid prescriptions, 19.0% (18.2-19.8) for maternal opioid-related hospital records, and 44.7% (43.7-45.7) for newborn NAS. Compared with other definitions, our comprehensive method identified up to 523% additional cases. Contrasting ascertainment with maternal opioid-related hospital records, newborn NAS, and prenatal opioid prescriptions respective rates of maternal low income were 57%, 48%, and 39%; mental health hospitalization history was 33%, 28%, and 17%; and infant discharge to social services was 8%, 13%, and 5%. CONCLUSIONS: Combining prenatal opioid prescriptions and maternal and newborn opioid-related hospital codes improves identification of a broader population of mothers and infants with POE.
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 | 0,011 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».