Might Rare Factors Account for Most of the Mortality of Preterm Babies?
Notice bibliographique
Résumé
BACKGROUND: Preterm delivery has a variety of causes, with each of these presumably carrying its own mortality risk. To the extent that they add to the risk of mortality, the various pathologic factors triggering preterm delivery will confound the causal contribution of gestational age to mortality, inflating the observed rates of gestational-age-specific mortality. We have previously estimated that about half of the mortality of US preterm singletons may be due to unmeasured pathologies that increase mortality risk and also cause preterm birth. In this paper, we examine the impact that rare factors may have, at least in theory, on preterm mortality. METHODS: We constructed a simple model of gestational-age-specific mortality, in which we arbitrarily selected a function to represent the mortality due to immaturity alone ("baseline" risk). We then added "unmeasured" confounding factors that cause mortality and also cause preterm birth. This construct allowed us to calculate, in simple scenarios, the proportion of preterm mortality that could be caused by unmeasured confounding. RESULTS: We found that rare pathologies with moderate-to-strong effects can substantially contribute to preterm mortality. The presence of such rare factors can also produce an intersection of gestational-age-specific mortality curves when stratifying by known risk factors. CONCLUSIONS: It is possible that a few relatively rare factors may account for a large fraction of preterm mortality. The search for such factors should be a primary focus of future research on preterm delivery.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».