L’utilisation d’acétaminophène durant la grossesse et le risque de trouble du spectre de l’autisme : les issues méthodologiques liées à la mesure d’exposition d’acétaminophène.
Bibliographic record
Abstract
Le trouble du spectre de l’autisme (TSA) est une pathologie due à des anomalies neurodéveloppementales. Syndrome le plus souvent diagnostiqué dans la petite enfance, il affecte principalement l’interaction sociale et cause: des troubles de langage, de la communication et du comportement. Sa prévalence sans cesse croissante atteint en 2018 1.52% au Canada[1]. Cette prévalence est quatre fois plus élevée chez les garçons comparativement aux filles[2]. À ce jour, il n’existe pas de traitement spécifique au TSA, cependant des interventions psychologiques et médications sont proposées pour réduire des symptômes tel que l’agressivité et l’anxiété qui y sont associés. L’étiologie du TSA est peu ou mal connue. Néanmoins, des hypothèses sont avancées suivant trois facteurs. Génétique, biologique et environnementale. Concernant ce dernier facteur, l’on peut citer l’exposition in utéro aux médicaments et ce projet porte son intérêt sur ce point et plus précisément l’acétaminophène. C’est l’un des analgésiques le plus utilisé dans le soulagement de la douleur et le traitement de la fièvre. Il est souvent recommandé aux femmes durant la grossesse pour le soulagement de la douleur et le traitement de la fièvre. Cette forte consommation d’acétaminophène chez la femme enceinte : environ 65%-75% aux États-Unis[3], soulève une réelle problématique sachant qu’il est démontré que le principe actif est détectable dans des échantillons de plasma de cordon ombilical[4]. La possibilité que l’acétaminophène traverse le placenta et soit présent dans la circulation sanguine du bébé n’est pas exclue[4],[5]. Il est important d’effectuer davantage de recherche sur le sujet afin d’évaluer le réel impact d’une telle exposition. Sachant les limites d’inclusion des femmes enceintes dans les essais cliniques randomisées, nous avons mené une étude de cohorte populationnelle et les données utilisées proviennent de quatre bases de données administratives québécoises, dont le jumelage a permis de mettre sur pied la cohorte des grossesses du Québec (CGQ) avec un suivi longitudinal entre 1998 et 2015. Ainsi, ce projet méthodologique vise principalement à explorer et illustrer les limites de l’utilisation des bases de données administratives pour mesurer l’exposition aux médicaments en vente libre. Ceci en utilisant comme cas pratique, l’évaluation du risque de TSA chez des enfants exposés à l’acétaminophène durant la phase gestationnelle comparativement aux enfants non exposés. La littérature rapporte que les données quant à l’utilisation des médicaments en vente libre sont souvent sous-estimées par rapport à la réalité. L’utilisation bases de données administratives afin de mesurer l’exposition de certains médicaments en vente libre, introduirait une erreur de classification importante[6]. Sachant que la collecte de données se base sur les prescriptions complétées en pharmacie. Dans la pratique clinique courante, ces médicaments sont peu prescrits par les médecins et peu compléter auprès du pharmacien. Le cas pratique utilisé dans ce projet confirme cette hypothèse. En effet, l’exposition in utéro d’acétaminophène est sous-estimée à 94% (Supplemental Table 5). Seulement 6 % (38/648) des enfants exposés sont capturés au sein de la CGQ ce qui ne reflète pas la réalité clinique d’utilisation d’acétaminophène en grossesse. Ce résultat démontre l’introduction d’un biais d’information (erreur de classification) qui expliquerait totalement ou en partie l’estimé mesuré. En effet, notre étude montre qu’il n’y a pas d’augmentation statistiquement significative entre le risque de TSA et la consommation d’acétaminophène in-utero (aHR : 1.10 IC 95% 0.93-1.30). Parallèlement, une analyse de sous cohorte a été effectuée. Celle-ci, utilisait des questionnaires auto-rapportées par les mères afin de mesurer l’exposition à l’acétaminophène. Pour cette analyse secondaire, un effet protecteur est mesuré (aHR : 0.78 IC 95% 0.41-1.47). Des analyses de sensibilités sur l’issue ont pu confirmer la robustesse de ces estimés, validant ainsi nos résultats. En conclusion, ce projet d’étude a permis de mesurer l’ampleur des erreurs de classifications associées à l’utilisation des bases de données administratives pour des questions de recherches impliquant des médicaments en vente libre. Cependant, au regard de ces défis méthodologiques, il est difficile de mesurer l’association entre l’utilisation d’acétaminophène et le risque de TSA dans notre cohorte. Notre étude ne démontre pas d’association statistiquement significative, ce qui est contradictoire aux antécédentes études ayant des méthodes de mesures d’exposition différentes.
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 | 0.017 | 0.051 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.003 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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".