Temporal trends in neonatal outcomes following iatrogenic preterm delivery
Notice bibliographique
Résumé
BACKGROUND: Preterm birth rates have increased substantially in the recent years mostly due to obstetric intervention. We studied the effects of increasing iatrogenic preterm birth on temporal trends in perinatal mortality and serious neonatal morbidity in the United States. METHODS: We used data on singleton and twin births in the United States, 1995-2005 (n = 36,399,333), to examine trends in stillbirths, neonatal deaths, and serious neonatal morbidity (5-minute Apgar ≤3, assisted ventilation ≥30 min and neonatal seizures). Preterm birth subtypes were identified using an algorithm that categorized live births <37 weeks into iatrogenic preterm births, births following premature rupture of membranes and spontaneous preterm births. Temporal changes were quantified using odds ratios (OR) and 95% confidence intervals (CI). RESULTS: Among singletons, preterm birth increased from 7.3 to 8.8 per 100 live births from 1995 to 2005, while iatrogenic preterm birth increased from 2.2 to 3.7 per 100 live births. Stillbirth rates declined from 3.4 to 3.0 per 1,000 total births from 1995-96 to 2004-05, and neonatal mortality rates declined from 2.4 to 2.1 per 1,000 live births. Temporal declines in neonatal mortality/morbidity were most pronounced at 34-36 weeks gestation and larger among iatrogenic preterm births (OR = 0.75, CI 0.73-0.77) than among spontaneous preterm births (OR = 0.82, CI 0.80-0.84); P < 0.001. Similar patterns were observed among twins, with some notable differences. CONCLUSION: Increases in iatrogenic preterm birth have been accompanied by declines in perinatal mortality. The temporal decline in neonatal mortality/serious neonatal morbidity has been larger among iatrogenic preterm births as compared with spontaneous preterm births.
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 ».