Cannabis use among pregnant women under different legalization frameworks in the United States
Notice bibliographique
Résumé
Background: Cannabis use in pregnancy is associated with adverse neonatal outcomes, yet its use among pregnant women in the United States has increased significantly.Objectives: This cross-sectional study explored how cannabis use in pregnant women varied between different cannabis legalization frameworks, that is, permitted use of cannabidiol (CBD)-only, medical cannabis, and adult-use cannabis.Methods: Behavioral Risk Factor Surveillance System data from 2017 to 2020 was utilized with respondents classified by their state’s policies into CBD-only, medical, and adult-use groups. Outcome measures included prevalence of use and usage characteristics (frequency, method of intake, and reason for use) among pregnant women. Logistic regression models were estimated to evaluate the association between legal status and prevalence of use.Results: The unweighted dataset included 1,992 pregnant women. Recent cannabis use was reported by (weighted proportions): 2.4% (95%CI: 0–4.4) of respondents in the CBD-only group, 7.1% (95%CI: 4.0–10.1) in the medical group and 6.9% (95%CI: 3.0–10.9) in the adult-use group. Compared to the CBD-only group, respondents in the medical and adult-use groups were 4.5-fold (adjusted; 95%CI: 1.4–14.7; p = .01) and 4.7-fold (adjusted; 95%CI: 1.3–16.2; p = .02) more likely to use cannabis. Across all groups, smoking was the most common method of intake and over 49% of users reported using partially or entirely for adult-use purposes.Conclusions: The increased use with legalization motivates further research on the impacts of cannabis as a therapeutic agent during pregnancy and supports the need for increased screening and patient counseling regarding the potential effects of cannabis use on fetal development.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».