A Model for Predicting Significant Hyperbilirubinemia in Neonates From China
Notice bibliographique
Résumé
OBJECTIVES: To develop and validate a predischarge risk stratification model by using transcutaneous bilirubin (TcB) values and clinical factors to predict significant postdischarge hyperbilirubinemia in healthy term and late preterm Chinese neonates. METHODS: In a prospective cohort study, 8215 healthy term and late preterm neonates in 8 hospitals in China underwent TcB measurement at <168 hours of age. TcB percentiles were calculated and used to develop an hour-specific nomogram, and 9 empirically weighted items were used to derive a prediction model. A risk stratification model was developed by combining the TcB nomogram with clinical risk scores to predict significant hyperbilirubinemia, defined as a postdischarge bilirubin level that exceeded the hour-specific recommended threshold value for phototherapy. Data from another 13,157 neonates were used to validate the model. RESULTS: A TcB nomogram for every 12 hours of the studied interval was constructed from the development set. Gestational age, male gender, history of previous neonate who received phototherapy, bruising, feeding mode, weight loss, and early discharge were predictors of postdischarge significant hyperbilirubinemia. The combination of the TcB nomogram and clinical risk score provided the best prediction of significant hyperbilirubinemia with an area under the curve of 0.95 (95% confidence interval: 0.94-0.95) in the development data set and 0.94 (95% confidence interval: 0.93-0.94) in the validation data set. A risk stratification model with 6 distinct risk levels was developed and validated. CONCLUSIONS: A risk classification model, combining discharge transcutaneous bilirubin values and clinical risk factors, separated term and late preterm Chinese neonates into 6 risk classes for the timely follow-up of postdischarge hyperbilirubinemia detection.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| 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) | 0,002 | 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 ».