Pathways from Maternal Adverse Childhood Experiences to Substance Use in Pregnancy: Findings from the All Our Families Cohort
Notice bibliographique
Résumé
Background: Exposure to adverse childhood experiences (ACEs) is a risk factor for maternal substance use in pregnancy, however, mechanisms by which maternal ACEs may influence substance use in pregnancy have not been fully explored. The current study examines the association between maternal ACEs and substance use in pregnancy ( i.e. , alcohol, smoking, and drug use) and explores mediating pathways. Methods: A community sample of 1,994 women as part of the All Our Families Cohort were recruited in pregnancy in Calgary, Canada, between 2008 and 2011. Women provided retrospective reports of ACE exposure before age 18 as well as reports of demographic information, substance use ( i.e. , moderate-to-high alcohol use, any smoking, or any drug use), a previous history of substance use difficulties, and depressive symptoms during pregnancy. Path analyses were used to examine maternal income, education, depression, and previous substance use as mediating variables. Results: There were significant indirect associations between maternal ACEs and maternal substance use in pregnancy via maternal education ( β = 0.05, p < 0.001), previous substance use ( β = 0.01, p = 0.001), and depression ( β = 0.02, p = 0.02). The direct effect of maternal ACEs on maternal substance in pregnancy remained significant after accounting for the indirect effects ( β = 0.22, 95% CI = 0.15–0.29, p < 0.001). Conclusions: Exposure to adversity in childhood can lead to socioeconomic and mental health difficulties that increase risk for substance use in pregnancy. Addressing these difficulties before pregnancy may help to reduce the potential for substance use in 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».