MétaCan
Menu
Retour à la cohorte
Enregistrement W1981953215 · doi:10.1055/s-0033-1347364

Impact of Late Preterm and Early Term Infants on Canadian Neonatal Intensive Care Units

2013· article· en· W1981953215 sur OpenAlexaffabout
Prakesh S. Shah, Vibhuti Shah, Xiang Y. Ye, Shoo Lee, Ann L Jefferies, Kate Bassil

Notice bibliographique

RevueAmerican Journal of Perinatology · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueNeonatal Respiratory Health Research
Établissements canadiensPublic Health OntarioUniversity of TorontoMount Sinai Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineIntensive careTerm (time)Neonatal intensive care unitPediatricsIntensive care medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To examine the short-term morbidities, mortality, and use of neonatal intensive care unit (NICU) resources for late preterm, early term, and term infants. STUDY DESIGN: Infants born between 34 and 40 weeks of gestation and admitted to a Canadian NICU in 2010 were designated late preterm (340/7 to 366/7 weeks), early term (370/7 to 386/7 weeks), or term (390/7 to 406/7 weeks). Mortality, short-term morbidities, and resource utilization were compared between the three groups using chi-square tests and analysis of variance. RESULTS: Among 6,636 included infants, 44.2% (n = 2,935) were late preterm, 26.2% (n = 1,737) early term, and 29.6% (n = 1,964) term. Term infants were more likely to require resuscitation at birth and had lower Apgar scores than late preterm and early term infants (p < 0.001). Length of stay and need for respiratory support decreased with increasing gestational age; however, the proportion of hospital days that intensive care was required increased. CONCLUSION: The greatest impact of late preterm infants is on NICU bed occupancy, whereas for term infants it is on intensity of care. Early term infants experience greater rates of some complications than term, demonstrating that risk persists for these infants. These findings have important implications for NICU resource planning and practice.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,593
Score d'incertitude au seuil0,955

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,354
Écart entre enseignants0,332 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of PerinatologyMême sujetNeonatal Respiratory Health ResearchTravaux en français237 207