Le passage des médicaments et du cannabis dans le lait maternel et l’exposition des nouveau-nés et des nourrissons
Bibliographic record
Abstract
Le lait maternel est une source nutritive essentielle pour les enfants, et les agences réglementaires de santé recommandent l’allaitement exclusif durant les premiers mois de vie. Cependant, de nombreuses mères sont confrontées à la prise de médicaments pendant l’allaitement. Malheureusement, pour de nombreux médicaments, peu d’informations sont disponibles sur leur passage dans le lait maternel et sur l’exposition du nouveau-né ou du nourrisson. Ce constat s’applique également au cannabis. En effet, depuis sa légalisation au Canada, le personnel médical rencontre de plus en plus de femmes enceintes et allaitantes qui en consomment régulièrement pour contrôler la dépression, l'anxiété, le stress, la douleur et les nausées. À la rareté des informations sur la sécurité des médicaments en allaitement s’ajoutent le manque de qualité et la variabilité des données actuelles, en raison de l’absence de guides sur la conduite des études cliniques en allaitement. Pour combler ce manque d’information et guider les futures études cliniques sur la sécurité des médicaments en allaitement, nous avons travaillé sur trois études cliniques. La première évalue la faisabilité du dosage de 17 médicaments dans le lait maternel, pour lesquels il existe peu ou pas d’informations sur leur sécurité en allaitement. La deuxième étude, menée par un groupe de recherche du Centre Hospitalier Universitaire Vaudois (CHUV), en Suisse, visait à évaluer la pharmacocinétique des inhibiteurs sélectifs de la recapture de la sérotonine chez les femmes durant la période périnatale. Enfin, la troisième étude se concentre sur le dosage des cannabinoïdes dans le lait maternel et l’exposition des nouveau-nés et des nourrissons. Dans chacune de ces études, des échantillons de lait maternel ont été collectés auprès des femmes participantes, en utilisant différentes méthodes d’échantillonnage. Pour la première et la troisième étude, des méthodes de quantification par chromatographie liquide couplée à la spectrométrie de masse (LC-MS/MS) ont été développées et validées afin de quantifier avec précision et exactitude ces composés dans le lait maternel. Ces méthodes sont présentées dans le chapitre 3 de cette thèse. À l’aide des concentrations mesurées dans le lait maternel, nous avons pu estimer la dose de médicament ingérée quotidiennement par le nouveau-né ou le nourrisson afin d’évaluer la sécurité des médicaments pendant l’allaitement. Pour traiter et rapporter les données de ces trois études, trois approches méthodologiques ont été utilisées : les rapports de cas, l’analyse non-compartimentale et la pharmacocinétique de population. L’utilisation de ces approches méthodologiques est présentée dans les chapitres 4, 5 et 6 de cette thèse. Ces travaux mettent en lumière les principales différences entre ces approches méthodologiques et l’importance de concevoir rigoureusement les études cliniques en allaitement, depuis le développement des méthodes analytiques jusqu’au choix de l’approche d’analyse pharmacocinétique des données. Nous espérons qu’ils contribueront à la mise en place de guides réglementés sur la conduite des études en allaitement. Finalement, ces résultats permettent d’aider les professionnels de la santé à formuler des recommandations plus adéquates et personnalisées aux femmes sous médication qui désirent allaiter, et de contribuer à la mise à jour des politiques de santé publique concernant la consommation du cannabis pendant l’allaitement.
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 | 0.005 | 0.020 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 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".