Neonatal Intensive Care Unit Characteristics Affect the Incidence of Severe Intraventricular Hemorrhage
Notice bibliographique
Résumé
OBJECTIVES: The incidence of intraventricular hemorrhage (IVH), adjusted for known risk factors, varies across neonatal intensive care units (NICU)s. The effect of NICU characteristics on this variation is unknown. The objective was to assess IVH attributable risks at both patient and NICU levels. STUDY DESIGN: Subjects were <33 weeks' gestation, <4 days old on admission in the Canadian Neonatal Network database (all infants admitted in 1996-97 to 17 NICUs). The variation in severe IVH rates was analyzed using Bayesian hierarchical modeling for patient level and NICU level factors. RESULTS: Of 3772 eligible subjects, the overall crude incidence rates of grade 3-4 IVH was 8.3% (NICU range 2.0-20.5%). Male gender, extreme preterm birth, low Apgar score, vaginal birth, outborn birth, and high admission severity of illness accounted for 30% of the severe IVH rate variation; admission day therapy-related variables (treatment of acidosis and hypotension) accounted for an additional 14%. NICU characteristics, independent of patient level risk factors, accounted for 31% of the variation. NICUs with high patient volume and high neonatologist/staff ratio had lower rates of severe IVH. CONCLUSIONS: The incidence of severe IVH is affected by NICU characteristics, suggesting important new strategies to reduce this important adverse outcome.
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 | 0,001 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».