Early postnatal weight changes in opioid-exposed infants managed using the Finnegan Neonatal Abstinence Scoring System Versus Eat, Sleep, Console
Notice bibliographique
Résumé
Background Despite the many clinical benefits of Eat, Sleep, Console (ESC) to manage infants with neonatal abstinence syndrome (NAS), a recent article theorized that ESC may place infants at an increased risk of excessive postnatal weight loss. The objective of this study was to compare weight changes in the early postnatal period among infants exposed to opioids in utero and managed using 1) the Finnegan Neonatal Abstinence Scoring System (FNASS) or 2) ESC. Methods Pre-post analysis of medical records for opioid-exposed infants born July 1, 2017-May 31, 2023. Type of feeding (exclusive breastfeeding, formula only, combination) and weight changes were compared between the FNASS (n = 45) and ESC (n = 25) groups. Results Type of feeding differed significantly between the groups during the first 5 days of life and at discharge: higher proportions of the FNASS group were exclusively breastfed and higher proportions of the ESC group received formula. There were no significant differences in daily weight changes over the first 5 days of life when we controlled for type of feeding. The average daily weight change during hospitalization did not differ significantly between the two groups (FNASS: median = −53.3 grams/day [IQR: −65.2, −40.8]; ESC: median = −45.9 [IQR: −57.8, −25.5]; p = 0.19). Conclusions We found no evidence of excessive weight loss in the early postnatal period among opioid-exposed infants managed using ESC as compared to FNASS. However, our findings suggest that breastfeeding should be more actively promoted and supported when centers transition from the FNASS model to ESC.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».