What Will It Take to Improve Very Low Birth Weight Follow-up Care?
Notice bibliographique
Résumé
The study by Wang et al1 in this issue of Pediatrics highlights the lack of quality indicators for the neurodevelopmental follow-up of very low birth weight (VLBW) survivors. It is an excellent example of the effort required to develop explicit process criteria to evaluate the quality of VLBW follow-up care. The authors systematically reviewed 437 articles on clinical predictors, screening, and treatment for VLBW children by searching the PubMed database, screening articles by prominent authors in the field and articles cited in the Agency for Healthcare Research and Quality evidence report Criteria for Determining Disability in Infants and Children: Low Birth Weight ,2 and reviewing the clinical practice guidelines for follow-up care of VLBW infants. They drafted a set of 96 potential quality-of-care indicators in 5 content areas (general care; physical health; vision, hearing, speech, and language; developmental behavioral assessment; and psychosocial assessment), which a panel of 10 experts rated for validity, feasibility, and quality of evidence. Validity and feasibility were rated on a 9-point scale (1, low; 9, high). The quality of evidence was rated by using the Canadian Task Force on Periodic Health Examination system,3 which ranks quality of evidence from data generated from randomized, controlled trials as level I, data from cohort or case-control studies and nonrandomized, controlled trials … Address correspondence to Linda L. Wright, MD, Center for Research for Mothers and Children, National Institute of Child Health and Human Development, National Institutes of Health, Building 6100, Room 4B05J, Bethesda, MD 20815. E-mail: wrightl{at}mail.nih.gov
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 | 0,031 | 0,207 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,009 | 0,013 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,011 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 ».