Exposition à la caféine durant la grossesse : les facteurs prédictifs de la consommation et association aux issues indésirables de grossesse
Bibliographic record
Abstract
INTRODUCTION: Plusieurs études ont été menées sur le risque d’issus indésirables de grossesse associé à la prise de caféine durant la grossesse; cependant aucune étude n'a encore été réalisée sur les facteurs prédictifs de cette exposition. Pourtant, une prise en considération de ces facteurs augmenterait l’efficacité des recommandations nutritionnelles à ce sujet. En outre, peu d'études ont évalué le risque de nouveau-nés petits pour l'âge gestationnel (PAG) comparé aux autres issues indésirables de grossesse. OBJECTIFS: 1) Déterminer la fréquence de la consommation de caféine durant la grossesse et ses facteurs prédictifs ; 2) quantifier l’association de cette exposition au risque de (PAG). MÉTHODE: 3458 participantes ont été sélectionnées aléatoirement dans le Registre Québécois des Grossesses (RQG) créé par l’appariement de trois banques de données administratives : RAMQ, MED–ÉCHO et ISQ. Des analyses statistiques ont permis d’étudier les facteurs prédictifs de cette utilisation et une étude cas-témoins a permis de quantifier le risque de (PAG) qui lui est associé. RÉSULTATS: 87,3% des participantes consommaient de la caféine avant leur grossesse et 71,4% durant. L'âge maternel avancé, le tabagisme, l'hypertension et les hospitalisations avant la grossesse sont des facteurs prédictifs de la consommation de caféine durant la grossesse. Une augmentation de 20% de risque de PAG a été observée [OR = 1,19; 95% IC (1,01–1,40)]. CONCLUSION: La consommation de caféine pendant la grossesse est répandue et la sécurité de cette utilisation doit être questionnée. Nos résultats suggèrent que la consommation de caféine durant la grossesse augmenterait le risque de PAG.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".