Interventional nutritional protocol decreases osteopenia of prematurity in extremely low birth weight infants
Notice bibliographique
Résumé
Background: Osteopenia of prematurity is common among extremely low birth weight infants (ELBW). There are currently no standard practices regarding screening, prevention or treatment of this condition. Objective: To determine if introduction of a nutritional monitoring and interventional protocol would decrease the incidence and severity of osteopenia of prematurity. Methods: A nutritional protocol to monitor the needs and provide supplementation of calcium and phosphorus has been instituted in our unit. We compared ELBW infants born in the year before (Group 1) vs. after (Group 2) for lowest serum phosphorus, peak alkaline phosphatase and bone fractures. Logistic regression analysis was used to determine the independent effect of gestational age, birth weight, diuretics, postnatal steroids, and the nutritional protocol. Results: Osteopenia-related outcomes improved, including: phosphorus level <3 mg/dL (34% vs. 14%, (P = 0.003)), peak alkaline phosphatase >750 IU/L (18% vs. 7%, (P = 0.018)), and bone fractures (16.4% vs. 5.4%, (P = 0.026)). The use of diuretics increased significantly, while the use of postnatal steroids decreased significantly. Logistic regression analysis confirmed the independent contribution of our nutritional protocol as well as birth weight to osteopenia of prematurity outcomes. Conclusions: This is the first study to report that initiation of a protocol for monitoring and optimizing bone mineralization can decrease the incidence of severe osteopenia of prematurity as manifested by hypophosphatemia, elevated ALP and bone fractures. Implementation of a neonatal intensive care clinical practice guideline will improve this largely preventable medical complication.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».