Maternal and iatrogenic neonatal opioid withdrawal syndrome: Differences and similarities in recognition, management, and consequences
Notice bibliographique
Résumé
Opioids are potent analgesics used to manage pain in both young and old, but the increased use in the pregnant population has significant individual and societal implications. Infants dependent on opioids, either through maternal or iatrogenic exposure, undergo neonatal opioid withdrawal syndrome (NOWS), where they may experience withdrawal symptoms ranging from mild to severe. We present a detailed and original review of NOWS caused by maternal opioid exposure (mNOWS) and iatrogenic opioid intake (iNOWS). While these two entities have been assessed entirely separately, recognition and treatment of the clinical manifestations of NOWS overlap. Neonatal risk factors such as age, genetic predisposition, drug type, and clinical factors like type of opioid, cumulative dose of opioid exposure, and disease status affect the incidence of both mNOWS and iNOWS, as well as their severity. Recognition of withdrawal is dependent on clinical assessment of symptoms, and the use of clinical assessment tools designed to determine the need for pharmacotherapy. Treatment of NOWS relies on a combination of non-pharmacological therapies and pharmacological options. Long-term consequences of opioids and NOWS continue to generate controversy, with some evidence of anatomic brain changes, but conflicting animal and human clinical evidence of significant cognitive or behavioral impacts on school-age children. We highlight the current knowledge on clinically relevant recognition, treatment, and consequences of NOWS, and identify new advances in clinical management of the neonate. This review brings a unique clinical perspective and critically analyzes gaps between the clinical problem and our preclinical understanding of NOWS.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 ».