Opioid Use Disorder and Perinatal Outcomes
Notice bibliographique
Résumé
OBJECTIVES: Evidence on the perinatal health of mother-infant dyads affected by opioids is limited. Elevated risks of opioid-related harms for people with opioid use disorder (OUD) increase the urgency to identify protective factors for mothers and infants. Our objectives were to determine perinatal outcomes after an OUD diagnosis and associations between opioid agonist treatment and birth outcomes. METHODS: We conducted a population-based retrospective study among all women with diagnosed OUD before delivery and within the puerperium period in British Columbia, Canada, between 2000 and 2019 from provincial health administrative data. Controlling for demographic and clinical characteristics, we determined associations of opioid agonist treatment on birth weight, gestational age, infant disorders related to gestational age and birth weight, and neonatal abstinence syndrome via logistic regression. RESULTS: The population included 4574 women and 6720 live births. Incidence of perinatal OUD increased from 166 in 2000 to 513 in 2019. Compared with discontinuing opioid agonist treatment during pregnancy, continuous opioid agonist treatment reduced odds of preterm birth (adjusted odds ratio: 0.6; 95% confidence interval: 0.4-0.8) and low birth weight (adjusted odds ratio: 0.4; 95% confidence interval: 0.2-0.7). Treatment with buprenorphine-naloxone (compared with methadone) reduced odds of each outcome including neonatal abstinence syndrome (adjusted odds ratio: 0.6; 95% confidence interval: 0.4-0.9). CONCLUSIONS: Perinatal OUD in British Columbia tripled in incidence over a 20-year period. Sustained opioid agonist treatment during pregnancy reduced the risk of adverse birth outcomes, highlighting the need for expanded services, including opioid agonist treatment to support mothers and infants.
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) | 0,000 | 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 | 0,000 | 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 ».