Postasphyxial Hypoxic-Ischemic Encephalopathy in Neonates
Notice bibliographique
Résumé
OBJECTIVES: To construct and validate a model and derive a simple rule that is usable in any birth location for the prediction of outcome of term infants with severe asphyxia. DESIGN: Retrospective cohort study. SETTING: Regional outborn neonatal intensive care unit. PARTICIPANTS: Infants with postintrapartum asphyxial hypoxic-ischemic encephalopathy (n = 375). MAIN EXPOSURES: Clinical and laboratory predictors available at age 4 hours. MAIN OUTCOME MEASURES: A logistic regression model was developed and internally validated (with random sampling and based on the year of birth) for severe adverse outcome, which was defined as death or severe disability (severe cerebral palsy, severe developmental delay, sensorineural deafness, or cortical blindness singly or in combination). A simple prediction rule was derived from 3 variables. RESULTS: Complete data were available for 302 (92%) of the 345 infants with known outcomes (204 infants with severe adverse outcome). Six independent predictors of outcomes were identified. Using the 3 most significant predictors (chest compressions, age at onset of respiration, and base deficit), severe adverse outcome rates were 46% (95% confidence interval, 33%-58%) with none of the 3 predictors, 64% (95% confidence interval, 54%-73%) with any 1 predictor, 76% (95% confidence interval, 66%-85%) with any 2 predictors, and 93% (95% confidence interval, 81%-99%) with all of the 3 predictors present. The internal validations revealed a robust model. CONCLUSIONS: This predictive model for neonatal hypoxic-ischemic encephalopathy provides a sliding scale of probabilities that could be used for prognostication and to design eligibility criteria for decision making including neuroprotective therapy.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».