Migraine management during pregnancy, breastfeeding and in women planning pregnancy
Notice bibliographique
Résumé
Migraine is a common neurological disorder that predominantly affects women during their reproductive years, presenting unique challenges in the context of pregnancy, breastfeeding, and pregnancy planning. In the present review, we intend to summarize those challenges and propose possible solutions. Women with migraine, particularly those with aura, face an increased risk of pregnancy-related complications, including preeclampsia, stroke, and preterm birth, highlighting the need for careful monitoring throughout gestation. When migraine persists during pregnancy, management should prioritize non-pharmacological approaches, with a strong emphasis on lifestyle modifications and behavioral therapies. In some settings, non-invasive neuromodulation may also be a reasonable option. However, disabling migraine should not be left untreated and may require pharmacological management. Pharmacological treatments should be chosen primarily based on safety considerations, as many migraine medications are not suitable for use during pregnancy. Given the limited safety data available for several treatments, shared decision-making between patients and healthcare providers is essential. During breastfeeding, medication selection should focus on minimizing infant exposure while ensuring effective migraine control for the mother. In women of childbearing potential, caution is needed when prescribing certain migraine treatments, as unplanned pregnancies can occur. Special considerations should also be given to those requiring preventive treatment while planning pregnancy. Given the complexities of migraine management in this population, an individualized approach is crucial to balancing maternal well-being with fetal and infant safety.
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 ».