MétaCan
Menu
Retour à la cohorte
Enregistrement W4251613569 · doi:10.31219/osf.io/ujv7w

The Effects of Opioids on Female Reproductive Health Across the Life Course

2020· preprint· en· W4251613569 sur OpenAlexafffundabout
Daniel J. Corsi, Malia S. Q. Murphy

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineMedicine
ThématiquePrenatal Substance Exposure Effects
Établissements canadiensOttawa HospitalChildren's Hospital of Eastern OntarioUniversity of Ottawa
Organismes subventionnairesPublic Health AgencyPublic Health Agency of Canada
Mots-clésBuprenorphineBreastfeedingMedicineOpioidMethadone(+)-NaloxoneFertilityPregnancyHeroinLife course approachAdverse effectPsychiatryEnvironmental healthPediatricsInternal medicineDrugPsychologyPopulation

Résumé

récupéré en direct d'OpenAlex

Opioids cover a broad class of natural, synthetic and semi-synthetic drugs which act on opioid receptors within the central and peripheral nervous system to produce powerful analgesic effects. This includes illicit opioid use (e.g., heroin) and use which is associated with opioid agonist maintenance treatment (e.g., methadone or buprenorphine/naloxone). The rate of long-term opioid use has increased substantially in recent years, particularly among women. In Canada, opioid misuse is now a leading cause of death and other adverse effects. Data on the association with female health across the life course has not been well-described. The purpose of this review is to provide an overview of the literature on trends in use of opioids among females aged 15 years and older in relation to fertility, pregnancy, breastfeeding, and health in older ages. We searched the medical literature between August 2018 and August 2019 to look for studies related to health implications for opioid use among women. Outcomes included associations with fertility, pregnancy-related complications, breastfeeding, and older age outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,335
Écart entre enseignants0,314 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même sujetPrenatal Substance Exposure EffectsTravaux en français237 207