Medication prescribing and pregnancy-related risk factors for women with type 2 diabetes of reproductive age within primary care: a cross-sectional investigation for the PREPARED study
Notice bibliographique
Résumé
INTRODUCTION: Women with type 2 diabetes are at risk of commencing pregnancy while using medications that are either not recommended for pregnancy or with known teratogenicity, which may contribute to adverse pregnancy outcomes. In this study, we aimed to characterize pregnancy-related risk factors and medication exposures among women with type 2 diabetes. RESEARCH DESIGN AND METHODS: Individual health characteristics, sociodemographic information, and prescription data were extracted from the primary care records of women aged 18-45 years with type 2 diabetes in participating general practices in the UK. Prescribed medications were categorized according to suitability for pregnancy: recommended, not recommended, or not recommended but used if clinically indicated. Logistic regression was used to estimate associations between individual characteristics and medications not recommended for pregnancy. RESULTS: Data on 725 women were extracted. Prescribed medications suggested the presence of numerous comorbidities, with diabetes medications (65%, n=471) and statins (20%, n=145) most frequently prescribed. 37% (n=268) of women took ≥3 medications, and a third (n=269) took medications not recommended for pregnancy. Among those not prescribed contraception (89%, n=646), no one met all clinically recommended pre-pregnancy criteria. In multivariable logistic regression analysis, polypharmacy (OR 3.49 95% CI 2.88 to 4.30) and age (OR 1.04 95% CI 1.00 to 1.09) were associated with use of medications not recommended for pregnancy. CONCLUSIONS: Women with type 2 diabetes have suboptimal contraceptive provision despite multiple exposures to medications not recommended for pregnancy. Regular assessment of contraceptive use, reproductive intentions, and medication review is urgently needed in primary care settings to minimize pregnancy-related risks.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».