Classification and heterogeneity of preterm birth
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Three main conditions explain preterm birth: medically indicated (iatrogenic) preterm birth (25%; 18.7-35.2%), preterm premature rupture of membranes (PPROM) (25%; 7.1-51.2%) and spontaneous (idiopathic) preterm birth (50%; 23.2-64.1%). The majority of multiple pregnancies (10% of all preterm births) are delivered preterm (50% for medical reasons). Although medical indications relate more to feto-maternal conditions, PPROM to infections and idiopathic preterm birth to lifestyle, these risk factors are identified in any category, emphasising that preterm birth has a multifactorial origin. Still, several incidences of preterm birth are not completely explained with a plausible cause for PPROM or spontaneous preterm labour suggesting that other causes have yet to be identified. In addition, preterm birth is associated with unrecognised severe congenital anomalies. Variability within the main categories may be explained by the studied population, ethnic group, social class and preventive interventions towards reducing spontaneous preterm birth where the proportion of medically-indicated preterm birth is increased. Despite being retrospective a classification according to gestational age at birth is important for neonatal prognosis. Preterm birth is stratified into mild preterm (32-36 weeks), very preterm (28-31 weeks) and extremely preterm (<28 weeks) with increasing neonatal mortality and morbidity. Recent studies suggested that infection was mostly responsible for extreme preterm birth, while stress and lifestyle accounted for mild preterm birth, and a mixture of both conditions contributed to very preterm birth.
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.
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 | 0,002 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle