Prenatal Opioid Use Disorder and the Risk of Congenital Anomalies in Offspring: A Population‐Based Study
Notice bibliographique
Résumé
OBJECTIVE: To examine whether prenatal opioid use disorder (OUD) diagnosis is associated with the risk of congenital anomalies (CAs) in offspring. METHODS: We conducted a population-based study of mother-newborn dyads comprising. 4143 761 births delivered in Canada from 2006 to 2021. We used robust Poisson regression to examine the association between prenatal OUD diagnosis and risk of non-chromosomal CAs, adjusted for maternal age, parity, multiple gestation, co-morbidities (including mental health disorders, chronic illnesses and other substance use disorders), and infant sex. RESULTS: We identified a total of 21, 638 births to persons who were diagnosed with prenatal OUD and 65, 992 (159.3 per 10,000) newborns with CAs. The overall risk of CAs was 2.3 times higher in infants born to birthing persons with a diagnosis of OUD (95% CI 2.2, 2.5). Compared to those without OUD diagnoses, births to persons with a diagnosis of OUD had a higher risk of specific types of congenital microcephaly (aRR 5.2, 95% CI 4.1, 6.6), cleft palate (RR 4.8, 95% CI 3.7, 6.1), pulmonary valve atresia with intact ventricular septum (aRR 2.7, 95% CI 1.1, 6.7), and atrial septal defect (aRR 3.1, 95% CI 2.8, 3.5), among others. In particular, infants born to those with an OUD diagnosis had a 1.8 (95% CI 1.4, 2.3)-fold increased risk of having severe congenital heart disease. CONCLUSION: Our findings suggest an association between prenatal OUD diagnosis and certain CAs in the offspring. Future research is necessary to better understand the role of socio-demographic factors on these associations.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».