Trends in Pregnancy-Associated Opioid Toxicity and Mortality
Notice bibliographique
Résumé
ObjectivesTo examine trends in pregnancy-associated non-fatal and fatal opioid toxicity and all-cause mortality, and identify associated factors. ApproachWe conducted a population-based study of 1,555,370 pregnancies in Ontario, Canada, 2013-2022. We analyzed linked administrative datasets, including coroner data, and calculated pregnancy-associated (during pregnancy or within one-year post-pregnancy) non-fatal/fatal opioid toxicity and all-cause mortality ratios per 100,000 livebirths by year and timing (pregnancy, post-pregnancy). Poisson regression models analyzed trends in outcomes and generated adjusted relative risks (aRR) of opioid toxicity by socio-demographic and clinical factors. ResultsPregnancy-associated non-fatal opioid toxicity increased 220% between 2013 and 2020 (45.5-145.4/100,000 livebirths) before declining by 30% in 2021. Over the study period, fatal opioid toxicity increased 150% (6.8-17.5/100,000) and all-cause mortality increased 120% (32.8-71.2/100,000). Our methods did not identify any opioid toxicity deaths in pregnancy, and most non-fatal (66.6%) and fatal (88.9%) opioid toxicity and all-cause mortality (73.9%) occurred 43-365 days post-pregnancy. The percent of deaths attributed to opioids increased from 12.7% in 2015 to 25.0% in 2020. Substance use disorder (aRR 19.52, 95% CI 16.87-22.58), pre-pregnancy opioid toxicity (aRR 4.69, 3.81-5.78), mental illness (aRR 2.01, 1.75-2.29), high neighbourhood deprivation (aRR 1.45, 1.28-1.64), and social disadvantage (aRR 3.21, 2.77-3.71) were associated with elevated risk of opioid toxicity. ConclusionsPregnancy-associated opioid toxicity and mortality have increased substantially. In 2020, 1 in 4 pregnancy-associated deaths involved opioids. ImplicationsFindings highlight the need for comprehensive care and perinatal harm reduction services. System-level improvements to reduce poor outcomes must include complete data capture of all pregnancy-associated deaths.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».