A Population-Based Study on Women Who Used Alcohol during Pregnancy and Their Neonates in Ontario, Canada
Notice bibliographique
Résumé
BACKGROUND: Data from birth registries can be studied to assess the prevalence of prenatal alcohol use and associated maternal and neonatal outcomes. METHODS: Linked maternal and neonatal data (2015-2018) for alcohol-exposed pregnancies were obtained from the Better Outcomes Registry and Network (BORN) Ontario. Descriptive statistics were generated for maternal demographics, prenatal substance use, mental health/substance use history, and neonatal outcomes. Logistic regression models were performed to assess the odds of prenatal heavy (binge or weekly) alcohol and other substance use based on mental health/substance use history and other maternal demographics, and the impacts of heavy alcohol use and other prenatal substance exposures on neonatal outcomes. RESULTS: A total of 10,172 (2.4%) women reported alcohol use during pregnancy. One-third had pre-existing or current mental health and/or substance use problems, which was associated with significantly higher odds of heavy alcohol use during pregnancy. Prenatal exposure to heavy alcohol use was associated with increased odds of neonatal abstinence syndrome (2.5 times); respiratory distress syndrome (2.3 times); neonatal intensive care unit (NICU) admission (58%); and hyperbilirubinemia (57%). Prenatal exposure to one or more substances in addition to alcohol was associated with significantly higher odds of fetal/maternal/placental pregnancy complications; preterm birth; NICU admission; low APGAR scores; one or more confirmed congenital anomalies at birth; respiratory distress syndrome; and intrauterine growth restriction. CONCLUSIONS: It is crucial to routinely screen childbearing-age and pregnant women for alcohol and other substance use as well as mental health problems in order to prevent adverse maternal and neonatal 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 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 | 0,000 |
| 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 ».